基于支持向量机的海量文本分类并行化技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究发展现状 | 第10-14页 |
| 1.2.1 文本分类 | 第10-12页 |
| 1.2.2 文本分类并行化 | 第12-13页 |
| 1.2.3 情感分类 | 第13-14页 |
| 1.3 研究的主要内容 | 第14页 |
| 1.4 本文的内容组织 | 第14-15页 |
| 第2章 中文文本分类研究 | 第15-29页 |
| 2.1 中文文本分类框架 | 第15-16页 |
| 2.2 中文文本处理流程 | 第16-22页 |
| 2.2.1 中文分词 | 第16-17页 |
| 2.2.2 去停用词 | 第17-18页 |
| 2.2.3 文本向量表示 | 第18页 |
| 2.2.4 特征选择 | 第18-21页 |
| 2.2.5 权重计算 | 第21-22页 |
| 2.3 文本分类算法 | 第22-26页 |
| 2.3.1 K最近邻分类算法 | 第22-23页 |
| 2.3.2 朴素贝叶斯分类算法 | 第23-25页 |
| 2.3.3 支持向量机分类算法 | 第25-26页 |
| 2.4 优化算法 | 第26-29页 |
| 2.4.1 人工智能优化算法 | 第26-27页 |
| 2.4.2 粒子群优化算法 | 第27-29页 |
| 第3章 并行化技术研究 | 第29-33页 |
| 3.1 GPU并行计算框架 | 第29页 |
| 3.2 Hadoop分布式计算系统 | 第29-31页 |
| 3.2.1 HDFS分布式文件系统 | 第30页 |
| 3.2.2 Map/Reduce计算模型 | 第30页 |
| 3.2.3 Hive数据仓库 | 第30-31页 |
| 3.3 Spark分布式计算系统 | 第31-33页 |
| 3.3.1 弹性分布式数据集 | 第31页 |
| 3.3.2 Spark工作原理 | 第31-33页 |
| 第4章 改进的文本分类及并行化方法 | 第33-46页 |
| 4.1 文本特征空间迭代算法 | 第33-37页 |
| 4.1.1 特征空间优化 | 第33-34页 |
| 4.1.2 扩充词典 | 第34页 |
| 4.1.3 过滤混淆词 | 第34-35页 |
| 4.1.4 迭代优化 | 第35-37页 |
| 4.2 粒子群优化的径向基核SVM | 第37-38页 |
| 4.3 文本预处理的并行实现 | 第38-40页 |
| 4.4 SVM的GPU并行实现 | 第40-43页 |
| 4.4.1 数据加载 | 第40-41页 |
| 4.4.2 GPU并行化的线性核支持向量机 | 第41-42页 |
| 4.4.3 GPU并行化的径向基核支持向量机 | 第42-43页 |
| 4.5 Hadoop并行化的SVM | 第43-44页 |
| 4.6 Spark并行化的SVM | 第44-46页 |
| 第5章 数据与实验设计 | 第46-52页 |
| 5.1 实验设计 | 第46页 |
| 5.2 数据采集 | 第46-49页 |
| 5.2.1 新闻数据 | 第46-48页 |
| 5.2.2 微博数据 | 第48-49页 |
| 5.3 页面净化 | 第49-50页 |
| 5.4 数据存取 | 第50页 |
| 5.5 评价指标 | 第50-52页 |
| 5.5.1 并行化加速比 | 第50-51页 |
| 5.5.2 准确率和召回率 | 第51页 |
| 5.5.3 F1分数 | 第51-52页 |
| 第6章 实验部署与结果分析 | 第52-64页 |
| 6.1 系统环境部署 | 第52页 |
| 6.2 新闻文本分类 | 第52-60页 |
| 6.2.1 新闻文本特征 | 第52-53页 |
| 6.2.2 新闻文本预处理 | 第53-54页 |
| 6.2.3 并行实验部署 | 第54页 |
| 6.2.4 分类精度效果 | 第54-58页 |
| 6.2.5 运行性能对比 | 第58-60页 |
| 6.3 微博情感分类 | 第60-64页 |
| 6.3.1 微博文本特征 | 第60页 |
| 6.3.2 微博文本预处理 | 第60-61页 |
| 6.3.3 并行实验部署 | 第61页 |
| 6.3.4 分类精度效果 | 第61-62页 |
| 6.3.5 运行性能对比 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间发表论文与研究成果清单 | 第69-70页 |
| 致谢 | 第70页 |
