| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 文本分类研究现状 | 第10-11页 |
| 1.2.2 并行分布式计算的研究现状 | 第11-12页 |
| 1.3 研究内容及创新点 | 第12-13页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 论文主要创新点 | 第13页 |
| 1.4 论文结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 相关技术概述 | 第15-26页 |
| 2.1 文本分类概述 | 第15-22页 |
| 2.1.1 文本分类关键技术 | 第16-20页 |
| 2.1.2 文本分类算法 | 第20-22页 |
| 2.2 Spark并行分布式计算框架 | 第22-25页 |
| 2.2.1 Spark生态系统与运行架构 | 第22-23页 |
| 2.2.2 Spark核心基础RDD | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 Spark框架下基于聚类裁剪的KNN文本分类算法 | 第26-36页 |
| 3.1 优化KNN分类算法的并行化 | 第26-31页 |
| 3.1.1 基于聚类裁剪的KNN分类算法 | 第26-27页 |
| 3.1.2 KNN算法的并行化 | 第27-31页 |
| 3.2 KNN并行化文本分类算法时间复杂度分析 | 第31页 |
| 3.3 实验设计与结果分析 | 第31-35页 |
| 3.3.1 实验环境与数据集 | 第31-32页 |
| 3.3.2 实验结果分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 Spark框架下基于词语相关度的KNN文本分类算法 | 第36-44页 |
| 4.1 词语相关度概念 | 第36-37页 |
| 4.2 Spark框架下基于词语相关度的KNN文本分类算法 | 第37-39页 |
| 4.2.1 基于词语相关度的文本相似度计算 | 第37页 |
| 4.2.2 Spark框架下基于词语相关度的并行化KNN算法 | 第37-39页 |
| 4.3 实验设计与结果分析 | 第39-43页 |
| 4.3.1 实验环境与数据集 | 第39-40页 |
| 4.3.2 评价指标 | 第40页 |
| 4.3.3 实验结果分析 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 在读期间发表的学术论文及研究成果 | 第49-50页 |
| 致谢 | 第50页 |
