| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 特征扩展研究现状 | 第12-13页 |
| 1.2.2 文本分类算法研究现状 | 第13-15页 |
| 1.2.3 文本分类与并行化技术结合实现的研究现状 | 第15-16页 |
| 1.3 论文的主要工作与组织结构 | 第16-18页 |
| 1.3.1 论文主要工作 | 第16-17页 |
| 1.3.2 论文组织结构 | 第17-18页 |
| 2 相关理论概述 | 第18-32页 |
| 2.1 文本分类常用技术 | 第18-23页 |
| 2.1.1 文本预处理 | 第18-20页 |
| 2.1.2 文本表示模型 | 第20-21页 |
| 2.1.3 文本分类常用方法 | 第21-22页 |
| 2.1.4 文本分类算法的性能评价指标 | 第22-23页 |
| 2.2 关联规则算法概述 | 第23-25页 |
| 2.2.1 基本理论 | 第23-24页 |
| 2.2.2 传统Apriori算法 | 第24页 |
| 2.2.3 已有优化方案 | 第24-25页 |
| 2.3 分布式平台概述 | 第25-30页 |
| 2.3.1 Hadoop平台 | 第25-28页 |
| 2.3.2 Spark平台 | 第28-30页 |
| 2.3.3 Hadoop和Spark优缺点对比 | 第30页 |
| 2.4 本章小结 | 第30-32页 |
| 3 基于Apriori算法的特征关联挖掘 | 第32-47页 |
| 3.1 Apriori算法的优化方案 | 第32-38页 |
| 3.1.1 相关概念 | 第32-33页 |
| 3.1.2 实现流程 | 第33-37页 |
| 3.1.3 时间复杂度分析 | 第37-38页 |
| 3.2 基于Spark平台的Apriori_MC算法 | 第38-39页 |
| 3.3 文本的特征关联挖掘 | 第39-41页 |
| 3.4 对比实验与实验分析 | 第41-46页 |
| 3.4.1 实验数据 | 第41页 |
| 3.4.2 实验环境 | 第41-42页 |
| 3.4.3 实验设计与分析 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 基于CNN模型的并行化设计实现 | 第47-64页 |
| 4.1 CNN模型相关介绍 | 第47-55页 |
| 4.1.1 网络结构 | 第47-50页 |
| 4.1.2 常见激活函数 | 第50-52页 |
| 4.1.3 参数优化算法 | 第52-54页 |
| 4.1.4 网络训练 | 第54-55页 |
| 4.2 CNN模型的并行化设计 | 第55-58页 |
| 4.3 对比实验与结果分析 | 第58-63页 |
| 4.3.1 实验数据及相关设置 | 第58-59页 |
| 4.3.2 实验测试与分析 | 第59-63页 |
| 4.4 本章小结 | 第63-64页 |
| 5 特征扩展与CNN模型的设计实现 | 第64-70页 |
| 5.1 设计模型 | 第64-66页 |
| 5.2 实现结果以及相关分析 | 第66-69页 |
| 5.2.1 实验数据以及相关设置 | 第66-67页 |
| 5.2.2 实验测试与分析 | 第67-69页 |
| 5.3 本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 附录 | 第77-78页 |
| 致谢 | 第78-79页 |
| 在校期间研究成果 | 第79页 |