| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 文本分类研究现状 | 第11-12页 |
| 1.2.2 朴素贝叶斯分类算法研究现状 | 第12-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 文本分类与Hadoop相关技术研究 | 第16-30页 |
| 2.1 文本分类关键技术 | 第16-24页 |
| 2.1.1 文本预处理 | 第16-18页 |
| 2.1.2 特征选择 | 第18-20页 |
| 2.1.3 文本表示 | 第20页 |
| 2.1.4 特征加权 | 第20-21页 |
| 2.1.5 朴素贝叶斯分类器 | 第21-24页 |
| 2.2 Hadoop分布式计算平台技术研究 | 第24-29页 |
| 2.2.1 Hadoop 2.X | 第24-26页 |
| 2.2.2 MapReduce | 第26页 |
| 2.2.3 YARN资源管理系统 | 第26-28页 |
| 2.2.4 HDFS分布式文件系统 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于Hadoop的数据挖掘分类系统设计 | 第30-40页 |
| 3.1 设计需求及问题分析 | 第30-31页 |
| 3.2 系统架构总体设计 | 第31-32页 |
| 3.3 文本预处理模块设计 | 第32页 |
| 3.4 特征选择模块设计 | 第32-34页 |
| 3.5 文本表示模块设计 | 第34-35页 |
| 3.6 贝叶斯分类模块设计 | 第35-38页 |
| 3.6.1 基于属性加权的贝叶斯分类器分析与改进 | 第35-37页 |
| 3.6.2 贝叶斯分类并行化设计 | 第37-38页 |
| 3.7 本章小结 | 第38-40页 |
| 第四章 基于Hadoop的数据挖掘分类系统实现 | 第40-56页 |
| 4.1 系统框架 | 第40-41页 |
| 4.2 文本预处理模块实现 | 第41-44页 |
| 4.2.1 分词与去停用词 | 第41-42页 |
| 4.2.2 文本预处理MapReduce并行化实现 | 第42-44页 |
| 4.3 特征选择模块实现 | 第44-48页 |
| 4.4 文本表示模块实现 | 第48-51页 |
| 4.5 贝叶斯分类模块实现 | 第51-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 实验结果与分析 | 第56-66页 |
| 5.1 实验环境 | 第56-57页 |
| 5.2 系统部署 | 第57-60页 |
| 5.3 实验结果与分析 | 第60-64页 |
| 5.3.1 分类效果评估 | 第60-63页 |
| 5.3.2 时间开销评估 | 第63-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 结束语 | 第66-68页 |
| 6.1 论文工作总结 | 第66-67页 |
| 6.2 问题和展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |