基于索引的分布式文本拷贝检测算法研究
| 目录 | 第4-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 前言 | 第8-9页 |
| 1.2 国内外相关研究 | 第9-10页 |
| 1.2.1 国外相关研究 | 第9-10页 |
| 1.2.2 国内相关研究 | 第10页 |
| 1.3 本文的主要内容和组织结构 | 第10-12页 |
| 1.3.1 本文的主要内容 | 第10-11页 |
| 1.3.2 本文的组织结构 | 第11-12页 |
| 第二章 拷贝检测概述 | 第12-22页 |
| 2.1 拷贝检测任务与相关概念 | 第12-17页 |
| 2.1.1 拷贝检测的任务 | 第12-13页 |
| 2.1.2 拷贝检测的相关概念 | 第13-17页 |
| 2.2 其他相关概念 | 第17-22页 |
| 2.2.1 倒排索引 | 第17-18页 |
| 2.2.2 Map-Reduce模型 | 第18-20页 |
| 2.2.3 评测指标 | 第20-22页 |
| 第三章 算法设计 | 第22-34页 |
| 3.1 算法框架 | 第22页 |
| 3.2 分布式索引 | 第22-24页 |
| 3.3 DSI上的拷贝检测算法 | 第24-30页 |
| 3.3.1 累加器 | 第24-25页 |
| 3.3.2 PQ on DSI算法 | 第25-26页 |
| 3.3.3 PCP on DSI算法 | 第26-28页 |
| 3.3.4 算法分析 | 第28-30页 |
| 3.5 优化 | 第30-34页 |
| 3.5.1 剪枝 | 第31页 |
| 3.5.2 压缩 | 第31-32页 |
| 3.5.3 负载均衡与缓存 | 第32-34页 |
| 第四章 系统实现 | 第34-40页 |
| 4.1 平台介绍 | 第34-39页 |
| 4.1.1 平台概况 | 第34-35页 |
| 4.1.2 Rocks Cluster集群工具 | 第35-37页 |
| 4.1.3 Hadoop框架 | 第37-39页 |
| 4.2 实现细节 | 第39-40页 |
| 第五章 实验与结论 | 第40-48页 |
| 5.1 实验概述 | 第40页 |
| 5.2 精度实验 | 第40-43页 |
| 5.2.1 中文Oracle Set精度实验 | 第41-42页 |
| 5.2.2 英文Oracle Set精度实验 | 第42-43页 |
| 5.3 效率实验 | 第43-48页 |
| 5.3.1 未优化算法对比实验 | 第43-44页 |
| 5.3.2 优化效果对比实验 | 第44-45页 |
| 5.3.3 参数敏感度实验 | 第45页 |
| 5.3.4 可扩展性实验 | 第45-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间参加的科研项目与发表的论文 | 第54-55页 |
