基于MapReduce的文本挖掘研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 引言 | 第9-14页 |
| 1.1 论文的选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 文本挖掘研究现状 | 第10-11页 |
| 1.2.2 海量数据处理研究现状 | 第11-12页 |
| 1.3 本文的主要工作及创新 | 第12-14页 |
| 第二章 文本分类方法 | 第14-19页 |
| 2.1 文本分类相关概念 | 第14-15页 |
| 2.1.1 文本分类定义 | 第14页 |
| 2.1.2 文本分类的过程 | 第14-15页 |
| 2.2 文本分类算法 | 第15-18页 |
| 2.2.1 基于距离的分类 | 第15页 |
| 2.2.2 朴素贝叶斯分类 | 第15-16页 |
| 2.2.3 K-近邻算法 | 第16-17页 |
| 2.2.4 支持向量机 | 第17-18页 |
| 2.3 分类结果评价 | 第18-19页 |
| 第三章 MapReduce相关技术 | 第19-23页 |
| 3.1 MapReduce简介 | 第19-22页 |
| 3.1.1 Map Reduce计算框架 | 第19-20页 |
| 3.1.2 Map Reduce执行流程 | 第20-21页 |
| 3.1.3 容错性 | 第21-22页 |
| 3.2 文本处理与MapReduce | 第22-23页 |
| 第四章 贝叶斯文本分类 | 第23-30页 |
| 4.1 文本分类中的贝叶斯基本思想 | 第23-24页 |
| 4.1.1 文本表示 | 第23页 |
| 4.1.2 极大后验假设 | 第23-24页 |
| 4.2 贝叶斯分类器及扩展 | 第24-27页 |
| 4.2.1 朴素贝叶斯分类器 | 第24-25页 |
| 4.2.2 树扩展的朴素贝叶斯分类器 | 第25-26页 |
| 4.2.3 贝叶斯多网络分类器 | 第26-27页 |
| 4.3 平均多项朴素贝叶斯 | 第27-30页 |
| 第五章 MapReduce并行实现与实验 | 第30-38页 |
| 5.1 顺序链式Map Reduce作业 | 第30-31页 |
| 5.2 平均朴素贝叶斯分类MapReduce化 | 第31-33页 |
| 5.2.1 分类器训练 | 第31-32页 |
| 5.2.2 测试阶段 | 第32-33页 |
| 5.3 实验和结果 | 第33-36页 |
| 5.3.1 实验环境 | 第33页 |
| 5.3.2 数据处理能力对比实验 | 第33-34页 |
| 5.3.3 分类性能实验 | 第34-36页 |
| 5.4 实验总结 | 第36-38页 |
| 第六章 全文总结与展望 | 第38-40页 |
| 6.1 全文总结 | 第38-39页 |
| 6.2 后续工作展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 攻读硕士学位期间取得的成果 | 第45-46页 |
