| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文选题背景及意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-13页 |
| 1.2.1 文本分类研究现状 | 第10-12页 |
| 1.2.2 云计算平台研究现状 | 第12-13页 |
| 1.3 主要工作 | 第13页 |
| 1.4 组织结构 | 第13-15页 |
| 第二章 相关技术 | 第15-31页 |
| 2.1 文本分类关键技术研究 | 第15-23页 |
| 2.1.1 文本预处理 | 第16页 |
| 2.1.2 特征选择 | 第16-19页 |
| 2.1.3 文本表示 | 第19-21页 |
| 2.1.4 分类算法 | 第21-22页 |
| 2.1.5 分类评价 | 第22-23页 |
| 2.2 云计算平台Hadoop | 第23-26页 |
| 2.2.1 HDFS | 第23-24页 |
| 2.2.2 MapReduce | 第24-26页 |
| 2.3 云计算平台Spark | 第26-31页 |
| 2.3.1 Spark RDD | 第27-29页 |
| 2.3.2 Spark架构 | 第29-31页 |
| 第三章 朴素贝叶斯分类算法的改进和并行化研究 | 第31-48页 |
| 3.1 引言 | 第31页 |
| 3.2 传统的朴素贝叶斯分类算法 | 第31-36页 |
| 3.2.1 概率论基础 | 第31-32页 |
| 3.2.2 朴素贝叶斯分类算法 | 第32-35页 |
| 3.2.3 朴素贝叶斯分类算法的优缺点 | 第35-36页 |
| 3.3 改进的朴素贝叶斯分类算法 | 第36-39页 |
| 3.3.1 加权朴素贝叶斯分类算法 | 第36-37页 |
| 3.3.2 基于余弦相似度的加权朴素贝叶斯算法 | 第37-39页 |
| 3.4 基于云计算平台的朴素贝叶斯分类算法 | 第39-42页 |
| 3.4.1 基于Hadoop的朴素贝叶斯分类算法 | 第39-40页 |
| 3.4.2 基于Spark的朴素贝叶斯分类算法 | 第40-42页 |
| 3.5 实验及结果分析 | 第42-47页 |
| 3.5.1 实验环境与实验数据集 | 第42-43页 |
| 3.5.2 评测指标 | 第43页 |
| 3.5.3 实验过程与结果分析 | 第43-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于Spark的电子商务商品类目分类研究 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 电子商务商品文本数据获取 | 第48-49页 |
| 4.3 基于Spark平台的商品类目分类与预测 | 第49-57页 |
| 4.3.1 基于Spark平台的商品类目分类整体设计 | 第49-51页 |
| 4.3.2 预处理模块 | 第51-52页 |
| 4.3.3 特征选择模块 | 第52-53页 |
| 4.3.4 特征权重模块 | 第53-54页 |
| 4.3.5 改进的贝叶斯分类模块 | 第54-57页 |
| 4.4 实验及结果分析 | 第57-61页 |
| 4.4.1 实验环境与实验数据集 | 第57页 |
| 4.4.2 实验评价指标 | 第57-58页 |
| 4.4.3 实验过程与结果分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 全文工作总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间研究成果 | 第69页 |