| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 本文研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 本文主要的研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 社交网络热点话题发现的相关技术介绍 | 第16-28页 |
| 2.1 社交网络特点 | 第16-18页 |
| 2.1.1 短文本和多样性 | 第16-17页 |
| 2.1.2 网状传播 | 第17-18页 |
| 2.2 社交网络数据采集 | 第18-19页 |
| 2.3 热点话题发现的相关技术 | 第19-27页 |
| 2.3.1 文本的获取与预处理 | 第20-21页 |
| 2.3.2 文本的模型构建 | 第21-23页 |
| 2.3.3 文本间相似度的计算 | 第23-24页 |
| 2.3.4 文本聚类算法 | 第24-25页 |
| 2.3.5 文本分类算法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 结合Hadoop平台和改进后的朴素贝叶斯分类算法 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 Hadoop平台 | 第28-30页 |
| 3.2.1 MapReduce简介 | 第29页 |
| 3.2.2 MapReduce工作流程 | 第29-30页 |
| 3.3 朴素贝叶斯分类算法的改进方法 | 第30-36页 |
| 3.3.1 传统的朴素贝叶斯分类算法 | 第31-32页 |
| 3.3.2 改进的朴素贝叶斯分类算法 | 第32-36页 |
| 3.4 结合Hadoop平台与改进后的朴素贝叶斯分类算法 | 第36-38页 |
| 3.5 实验及结果分析 | 第38-42页 |
| 3.5.1 实验环境与数据集 | 第38-39页 |
| 3.5.2 实验过程与结果分析 | 第39-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于块的单遍聚类(Single-pass)算法 | 第44-57页 |
| 4.1 引言 | 第44页 |
| 4.2 传统的单遍聚类(Single-pass)算法 | 第44-46页 |
| 4.3 基于块的单遍聚类(Single-pass)算法 | 第46-51页 |
| 4.3.1 分块算法 | 第47-48页 |
| 4.3.2 块内Single-pass聚类 | 第48-49页 |
| 4.3.3 块的合并 | 第49-51页 |
| 4.3.4 基于块的单遍聚类(Single-pass)算法理论性能分析 | 第51页 |
| 4.4 实验及实验结果分析 | 第51-55页 |
| 4.4.1 实验环境与数据集 | 第52页 |
| 4.4.2 实验过程与结果分析 | 第52-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 全文工作总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间的研究成果 | 第64页 |
