第一个书签之前
摘要
Abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 大数据处理技术的研究现状
1.2.2 数据可信度量的研究现状
1.3 课题研究的主要内容
1.4 本文的组织结构
第2章 大数据处理关键技术分析
2.1 大数据处理技术概述
2.1.1 大数据的定义及持点
2.1.2 大数据计算特征
2.2 Hadoop分布式系统
2.3 Spark分布式计算框架
2.3.1 分布式文件系统
2.3.2 Spark运行架构
2.3.3 Spark应用框架
2.4 Hive数据仓库
2.5 HBase列式存储数据库
2.5.1 HBase基本架构
2.5.2 HBase数据模型
2.5.3 HBase的持点
2.6 本章小结
第3章 数据可信计算方法模型研究
3.1 可信度计算模型
3.1.1 基于交易反馈的模型
3.1.2 基于关系的可信模型
3.1.3 基于兴趣的可信模型
3.2 可信度计算一般方法
3.2.1 交易评价的简单加和或平均
3.2.2 概率法
3.2.3 模糊逻辑法
3.2.4 各种方法比较
3.3 经典可信度计算方法
3.3.1 EigenTrust算法
3.3.2 PeerTrust算法
3.3.3 模糊理论算法
3.4 可信度计算的安全问题
3.5 本章小结
第4章 大数据可信度量方法设计
4.1 大数据可信计算模型
4.2 主观可信度计算
4.3 全局可信度计算
4.4 本地可信度计算
4.5 实验仿真
4.5.1 仿真实验设计
4.5.2 算法过程分析
4.5.3 实验结果分析
4.6 本章小结
第5章 大数据可信度量方法在电子商务中的应用
5.1 电子商务数据可信度量系统
5.2 Spark开发环境搭建
5.3 系统总体架构设计
5.4 系统数据库的设计
5.5 系统各功能模块的设计
5.5.1 买家与卖家信任计算模块
5.5.2 卖家信誉计算模块
5.5.3 买家信誉计算模块
5.5.4 用户查询模块
5.6 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献
攻读硕士学位期间发表的论文及其他研究成果
致谢
华北电力大学;
华北电力大学(保定);