| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及选题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 实体关系挖掘技术 | 第12-14页 |
| 1.2.2 大数据处理技术 | 第14-15页 |
| 1.3 论文的内容及组织结构 | 第15-17页 |
| 2 实体关系挖掘相关技术与体系 | 第17-30页 |
| 2.1 文本预处理 | 第17-19页 |
| 2.1.1 文本格式分类 | 第17-18页 |
| 2.1.2 中文分词 | 第18页 |
| 2.1.3 命名实体识别 | 第18-19页 |
| 2.2 实体关系相似度度量 | 第19-23页 |
| 2.2.1 基于向量空间模型的相似度度量 | 第19-21页 |
| 2.2.2 基于核函数的相似度度量 | 第21-23页 |
| 2.3 典分类算法 | 第23-27页 |
| 2.3.1 决策树归纳分类算法 | 第24-25页 |
| 2.3.2 朴素贝叶斯分类算法 | 第25-26页 |
| 2.3.3 SVM分类算法 | 第26页 |
| 2.3.4 KNN分类算法 | 第26-27页 |
| 2.4 实体关系挖掘体系 | 第27-29页 |
| 2.5 小结 | 第29-30页 |
| 3 基于词性加权语义序列核函数的关系相似度计算 | 第30-43页 |
| 3.1 语义序列核函数介绍 | 第30-34页 |
| 3.1.1 HowNet中文语义相似度计算 | 第30-32页 |
| 3.1.2 基于HowNet的词序列核函数语义扩展 | 第32-34页 |
| 3.2 基于词性加权的语义序列核函数 | 第34-38页 |
| 3.2.1 传统核函数算法分析及问题提出 | 第34-36页 |
| 3.2.2 中文词性分类及其重要性分析 | 第36页 |
| 3.2.3 语义序列核函数的词性加权扩展 | 第36-38页 |
| 3.3 实验结果及分析 | 第38-42页 |
| 3.3.1 实验数据准备 | 第38-39页 |
| 3.3.2 实验评价指标 | 第39-40页 |
| 3.3.3 实验设计与结果分析 | 第40-42页 |
| 3.4 小结 | 第42-43页 |
| 4. 实体关系挖掘在大数据环境下的研究 | 第43-62页 |
| 4.1 基于Fisher准则与层次聚类的样本空间修剪 | 第43-52页 |
| 4.1.1 KNN算法的大数据环境应用分析 | 第43-45页 |
| 4.1.2 Fisher准则与层次聚类 | 第45-46页 |
| 4.1.3 Fisher准则与层次聚类在KNN样本空间修剪的应用 | 第46-50页 |
| 4.1.4 实验结果及分析 | 第50-52页 |
| 4.2 基于MapReduce的关系挖掘处理方案设计 | 第52-61页 |
| 4.2.1 MapReduce原理 | 第52-54页 |
| 4.2.2 关系挖掘的数据特点分析 | 第54页 |
| 4.2.3 基于MapReduce的关系相似度计算 | 第54-57页 |
| 4.2.4 基于MapReduce的K近邻选举 | 第57-58页 |
| 4.2.5 方案效率分析及实验结果 | 第58-61页 |
| 4.3 小结 | 第61-62页 |
| 5 总结和展望 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |
