| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·引言 | 第8-10页 |
| ·本文研究背景 | 第10-16页 |
| ·海量数据挖掘 | 第10-11页 |
| ·云数据挖掘 | 第11-13页 |
| ·情感分类 | 第13-16页 |
| ·本文主要工作和组织 | 第16-17页 |
| 第二章 云数据挖掘概述 | 第17-28页 |
| ·分布式数据挖掘 | 第17-20页 |
| ·基于Agent的分布式数据挖掘 | 第17-18页 |
| ·基于网格的分布式数据挖掘 | 第18-19页 |
| ·基于云计算的分布式数据挖掘 | 第19-20页 |
| ·Hadoop介绍 | 第20-24页 |
| ·HDFS | 第20-22页 |
| ·MapReduce | 第22-24页 |
| ·基于Hadoop的工作流引擎Oozie | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 面向情感分类任务的云数据挖掘框架SCCDM | 第28-42页 |
| ·SCCDM系统架构 | 第28-30页 |
| ·任务定制 | 第30-36页 |
| ·算法和数据部署 | 第30-32页 |
| ·概念模型设计 | 第32-36页 |
| ·工作流引擎 | 第36-40页 |
| ·任务执行平台 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 面向情感分类任务的云数据挖掘算法 | 第42-53页 |
| ·任务流程 | 第42页 |
| ·特征提取算法 | 第42-46页 |
| ·情感词特征 | 第43-44页 |
| ·Ngram特征 | 第44-45页 |
| ·Substring特征 | 第45-46页 |
| ·特征向量加权算法 | 第46-49页 |
| ·Bool算法 | 第47页 |
| ·TF-IDF算法 | 第47-49页 |
| ·分类算法 | 第49-51页 |
| ·Rocchio算法 | 第49-51页 |
| ·k-近邻算法 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第五章 系统运行过程和算法分析 | 第53-63页 |
| ·数据集介绍 | 第53-54页 |
| ·运行环境 | 第54-55页 |
| ·系统运行过程 | 第55-58页 |
| ·算法精度分析 | 第58-60页 |
| ·算法时间代价分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 附录 | 第71-72页 |
| 致谢 | 第72-73页 |