基于Hadoop的类案模型设计与实现
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-19页 |
| 1.1 课题研究背景及意义 | 第6-8页 |
| 1.2 国内外研究现状 | 第8-16页 |
| 1.2.1 国内研究现状 | 第8-15页 |
| 1.2.2 国外研究现状 | 第15-16页 |
| 1.2.3 国内外研究现状解析 | 第16页 |
| 1.3 研究内容与组织结构 | 第16-19页 |
| 2 基于Hadoop的类案模型构建方法 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 Hadoop概述 | 第19-23页 |
| 2.2.1 Hadoop简述 | 第19-20页 |
| 2.2.2 分布式文件系统-HDFS | 第20-21页 |
| 2.2.3 分布式编程模型MapReduce | 第21-23页 |
| 2.3 特征值选择 | 第23页 |
| 2.4 构建类案模型的聚类算法 | 第23-26页 |
| 2.4.1 类案模型概述 | 第24页 |
| 2.4.2 WEKA概述 | 第24页 |
| 2.4.3 K-Means算法 | 第24-25页 |
| 2.4.4 DBSCAN算法 | 第25页 |
| 2.4.5 最大期望算法-EM | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于Hadoop的类案模型数据预处理 | 第27-33页 |
| 3.1 引言 | 第27-28页 |
| 3.2 建模数据选择 | 第28-29页 |
| 3.3 数据抽取转换 | 第29页 |
| 3.4 文书实体识别 | 第29-31页 |
| 3.5 数据融合处理 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 4 类案模型的特征值处理 | 第33-38页 |
| 4.1 引言 | 第33页 |
| 4.2 初始特征值选择 | 第33-34页 |
| 4.3 特征值提取及处理 | 第34-36页 |
| 4.4 主成分分析PCA降维 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 5 类案模型的设计与实现 | 第38-45页 |
| 5.1 引言 | 第38页 |
| 5.2 类案模型的设计 | 第38-40页 |
| 5.3 基于WEKA的类案模型实现 | 第40-42页 |
| 5.4 类案模型相似度计算的实现 | 第42-43页 |
| 5.5 案件相似度计算实验结果与分析 | 第43页 |
| 5.6 本章小结 | 第43-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-50页 |
