| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 相关技术 | 第15-27页 |
| 2.1 数据挖掘概述 | 第15-20页 |
| 2.2 Spark分布式架构 | 第20-24页 |
| 2.2.1 Spark分布式架构概述 | 第20-21页 |
| 2.2.2 RDD概述 | 第21-23页 |
| 2.2.3 Spark生态系统 | 第23-24页 |
| 2.3 电子商务产品质量风险 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 贝叶斯算法研究 | 第27-39页 |
| 3.1 贝叶斯分类概述 | 第27-29页 |
| 3.1.1 贝叶斯公式 | 第27页 |
| 3.1.2 贝叶斯分类的一般原理 | 第27-28页 |
| 3.1.3 贝叶斯分类过程 | 第28-29页 |
| 3.2 朴素贝叶斯算法 | 第29-32页 |
| 3.2.1 朴素贝叶斯算法概述 | 第29-30页 |
| 3.2.2 朴素贝叶斯分类原理 | 第30-32页 |
| 3.3 贝叶斯信念网络 | 第32-33页 |
| 3.3.1 贝叶斯信念网络概述 | 第32页 |
| 3.3.2 贝叶斯信念网络原理 | 第32-33页 |
| 3.4 并行化的朴素贝叶斯算法 | 第33-35页 |
| 3.5 基于MinHash相关性加权的朴素贝叶斯算法 | 第35-38页 |
| 3.5.1 MinHash原理 | 第35-36页 |
| 3.5.2 基于MinHash相关性的加权朴素贝叶斯 | 第36-37页 |
| 3.5.3 基于Spark的改进贝叶斯 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于改进贝叶斯算法的电子商务产品质量风险评估 | 第39-54页 |
| 4.1 基于改进贝叶斯算法的风险评估分析 | 第39-40页 |
| 4.2 质量风险数据的预处理 | 第40-42页 |
| 4.2.1 用户评论数据分词 | 第40-41页 |
| 4.2.2 数据清洗 | 第41-42页 |
| 4.3 电子商务产品质量风险评估模型构建 | 第42-46页 |
| 4.3.1 电子商务产品质量风险等级分类 | 第42页 |
| 4.3.2 特征属性的离散化 | 第42-43页 |
| 4.3.3 基于随机森林的风险特征选择 | 第43-45页 |
| 4.3.4 建立质量风险评估模型 | 第45-46页 |
| 4.4 实验仿真及结果分析 | 第46-52页 |
| 4.4.1 测试平台-Spark集群环境 | 第46-48页 |
| 4.4.2 实验数据介绍 | 第48-49页 |
| 4.4.3 实验结果分析 | 第49-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60页 |
