《Spark应用开发技术》课件——03_探索分析法律服务网站数据.pptxVIP

《Spark应用开发技术》课件——03_探索分析法律服务网站数据.pptx

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共38页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

;本章主要讲述SparkSQL的使用。

本章主要讲述SparkDataFrame基础操作。;通过学习本节将能够学习SparkSQL、SparkDataFrame基础操作。

通过本节学习可以:

理解SparkSQL的基本概念。

掌握SparkSQL与Shell交互。

掌握创建DataFrame对象的方法。

掌握DataFrame查看数据的方法。

掌握DataFrame的查询及输出操作。

;认识SparkSQL

SparkSQL简介

SparkSQLCLI配置

SparkSQL与Shell交互

掌握DataFrame基础操作

创建DataFrame对象

DataFrame查看数据

DataFrame查询操作

DataFrame输出操作

探索分析法律服务网站数据

获取数据、网页类型分析、点击次数分析、网页排名分析

;背景

某家电子商务类的大型法律资讯网站,致力于为用户提供丰富的法律信息与专业咨询服务,并为律师与律师事务所提供卓有成效的互联网整合营销解决方案,随着其网站访问量增大,数据信息量也在大幅度增长。用户在面对大量信息时无法及时从中获得自己需要的信息,对信息的使用效率越来越低。这种浏览大量无关信息的过程,使用户需要花费大量的时间才能找到自己需要的信息,从而使得用户不断流失,给企业造成巨大的损失。为了能够更好地满足用户需求,依据其网站海量的数据,研究用户的兴趣偏好,分析用户的需求和行为,发现用户的兴趣点,从而引导用户发现自己的信息需求。为用户提供个性化的服务,并且建立网站与用户之间的密切关系,让用户对推荐系统产生依赖,从而建立稳定的企业忠实客户群,实现客户链式反应增值,提高消费者满意度。通过提高服务效率帮助消费者节约交易成本等,制定有针对性的营销战略方针,促进企业长期稳定高速发展。;背景

当用户访问网站页面时,系统会记录用户访问网站的日志,其中记录了用户IP、用户访问的时间、访问内容等多项属性的信息,各个属性的说明如表所示

;背景;获取数据

;获取数据

在Hive中创建数据库law

在law数据库下创建law表

将数据导入到law表

;网页类型分析

;网页类型统计

从中发现点击与咨询相关的网页(网页类型为101,http://www.*.cn/ask/)的记录占比为49.16%,其次是其他类型网页(网页类型为199)占比24.05%,然后是知识相关网页(网页类??为107,http://www.*.com/info)占21.84%。

;通过观察类别为199的网页,发现其页面信息多数与法律法规相关,所以统计类别为199,并且包含法律法规的记录个数

可以得到类别为199并且包含法律法规记录个数为47407。综合可得199的记录数应该为153992,而301的记录数应该为65837。因此可以得到用户点击页面类型的排行榜为:咨询相关、知识相关、其他方面的网页、法规(类型为301)、律师相关(类型为102)。可以初步得出:相对于长篇的知识,用户更加偏向于查看咨询或者进行咨询。;咨询类别内部统计

进一步针对咨询类别内部进行统计分析,统计内容为101网页类型的子类型、记录数及其所占101网页类型总记录百分比

;咨询类别内部统计

浏览咨询内容页(101003)记录最多,其次是咨询列表页(101002)和咨询首页(101001)。结合上述初步结论,可以得出用户都喜欢通过浏览问题的方式找到自己需要的信息,而不是以提问的方式或者查看长篇知识的方式。

;网页中带有“?”记录统计

统计所有访问网页中带有“?”的总记录数。统计分析访问网页中带有“?”的所有记录中,各网页类型、记录数、占访问网页中带有“?”的记录数的百分比

;网页中带有“?”记录统计

包含“?”总记录数为65477,特别在其他网页这一类型中占了98%左右,比重较大,因此需要进一步分析该类型网页的内部规律,但在知识相关与法规专题中的占比仅为1%左右。

;进行数据查看后,发现大部分网址以如下形式存在

http://www.XXX.cn/guangzhou/p2lawfirm地区律师事务所

http://www.XXX.cn/guangzhou地区网址

http://www.XXX.cn/ask/ask.php咨询网页

http://www.XXX.cn/ask/midqueshtml中间类型网页

http://www.XXX.cn/ask/exp/4317.html咨询经验

http://www.XXX.cn/ask/online/138.html在线咨询页

;统计分析其他类型网页的内部规律

;统计分析其他类型网页的内部规律

;统计“瞎逛用户”点击的网页类型

在查看数据的过程中,发现存在一部分

文档评论(0)

青柠职教 + 关注
实名认证
服务提供商

从业10年,专注职业教育专业建设,实训室建设等。

1亿VIP精品文档

相关文档