| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第二章 Hadoop平台相关技术研究 | 第13-18页 |
| 2.1 Hadoop历史和框架 | 第13页 |
| 2.2 并行编程模型MapReduce | 第13-15页 |
| 2.2.1 MapReduce工作流程 | 第14-15页 |
| 2.3 分布式文件系统HDFS | 第15-17页 |
| 2.3.1 HDFS写流程 | 第16页 |
| 2.3.2 HDFS读流程 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 微博话题发现相关技术 | 第18-27页 |
| 3.1 引言 | 第18页 |
| 3.2 相关工作 | 第18-19页 |
| 3.3 微博的特点 | 第19页 |
| 3.3.1 微博短文本的特性 | 第19页 |
| 3.4 经典聚类算法 | 第19-24页 |
| 3.4.1 K-means聚类算法 | 第20-22页 |
| 3.4.2 FuzzyC-means算法 | 第22页 |
| 3.4.3 Canopy聚类算法 | 第22-24页 |
| 3.5 文本相似度的度量 | 第24-26页 |
| 3.5.1 距离判定 | 第24-25页 |
| 3.5.2 文本相似系数的判定 | 第25-26页 |
| 3.6 本章小结 | 第26-27页 |
| 第四章 微博用户网络舆情分析 | 第27-37页 |
| 4.1 数据准备 | 第27-28页 |
| 4.2 数据预处理 | 第28-30页 |
| 4.3 数据聚类 | 第30-32页 |
| 4.3.1 LatentDirichletAllocation模型 | 第30-31页 |
| 4.3.2 LKC聚类算法的实现过程 | 第31-32页 |
| 4.4 舆情分析 | 第32-36页 |
| 4.4.1 情感倾向分析 | 第32-35页 |
| 4.4.2 敏感话题检测 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 实验与结果验证 | 第37-43页 |
| 5.1 实验环境 | 第37页 |
| 5.2 Hadoop集群配置与部署 | 第37-39页 |
| 5.2.1 Hadoop集群搭建过程 | 第37-39页 |
| 5.3 改进算法验证与分析 | 第39-42页 |
| 5.3.1 实验设计 | 第39-42页 |
| 5.4 本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-45页 |
| 6.1 总结 | 第43页 |
| 6.2 展望 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 发表论文和科研情况说明 | 第47-48页 |
| 致谢 | 第48页 |