基于spark的电商用户行为大数据分析的研究

第一章 绪论

1.1研究背景及意义

1.2国内外研究现状及分析

1.2.1国外研究现状

1.2.2国内研究现状

1.3文章的组织结构安排

第二章 用户行为相关技术介绍

2.1 Spark平台及组件

2.1.1 HDFS简介

2.1.2 Spark简介

2.2 用户行为分析模型算法

2.2.1 决策树

2.2.2 GBDT

2.2.3 XGBoost

2.3 本章小结

第三章 用户行为的预处理与特征工程

3.1 环境搭建

3.1.1 Hadoop环境的搭建

3.1.2 Spark环境的搭建

3.2 用户行为的数据源

3.3 用户行为的预处理

3.3.1 缺失值的处理

3.3.2 用户特点分析

3.3.3 商品特点分析

3.3.4 异常值的剔除

3.3.5 时间分片策略

3.3.6 平衡正负样本

3.4 用户行为的特征工程

3.4.1 用户行为的单一特征

3.4.2 用户行为的交互特征

3.4.3 用户行为的特征选取

3.5 本章小结

第四章 用户行为分析方法的设计与实现

4.1 Spark-XGBoost模型的实现

4.1.1 Spark-XGBoost环境的搭建

4.1.2 XGBoost的三大参数

4.1.3 单一XGBoost模型的设计与实现

4.2 改进的Spark-XGBoost融合设计分析

4.3 本章小结

第五章 用户行为分析实验结果与分析

5.1 评判标准

5.2 实验结果

5.3 本章小结

总结与展望

参考文献

攻读学位期间的科研成果

声明

致谢