一种词性标注LDA模型的文本分类方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容及主要工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 文本分类技术和Hadoop平台 | 第15-24页 |
| 2.1 文本分类一般流程 | 第15-20页 |
| 2.1.1 文本预处理 | 第16页 |
| 2.1.2 特征选择 | 第16-18页 |
| 2.1.3 文本分类方法 | 第18-20页 |
| 2.2 Hadoop平台 | 第20-23页 |
| 2.2.1 HDFS | 第22-23页 |
| 2.2.2 MapReduce | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于PST_LDA模型的文本分类机理 | 第24-35页 |
| 3.1 LDA模型 | 第24-27页 |
| 3.1.1 超参数 | 第24-25页 |
| 3.1.2 主题数目 | 第25-26页 |
| 3.1.3 参数估计方法 | 第26-27页 |
| 3.2 PST_LDA模型 | 第27-29页 |
| 3.2.1 构造模型 | 第27-28页 |
| 3.2.2 学习模型 | 第28-29页 |
| 3.3 单机环境中文本分类实现 | 第29-31页 |
| 3.3.1 分类过程 | 第29-30页 |
| 3.3.2 相似度计算 | 第30页 |
| 3.3.3 新文本的推断 | 第30-31页 |
| 3.4 并行环境中文本分类实现 | 第31-34页 |
| 3.4.1 分类过程的并行化 | 第31-32页 |
| 3.4.2 小文件的存储策略 | 第32-33页 |
| 3.4.3 建模过程的并行化 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 实验和分析 | 第35-53页 |
| 4.1 实验语料 | 第35-37页 |
| 4.1.1 实验语料库处理 | 第35-37页 |
| 4.1.2 建模语料选取 | 第37页 |
| 4.1.3 分类器的训练 | 第37页 |
| 4.2 文本分类评价标准 | 第37-40页 |
| 4.2.1 准确率 | 第37-39页 |
| 4.2.2 速度 | 第39-40页 |
| 4.3 单机环境中分类实验 | 第40-46页 |
| 4.3.1 实验环境 | 第40页 |
| 4.3.2 实验语料预处理 | 第40页 |
| 4.3.3 相关参数确定 | 第40-45页 |
| 4.3.4 实验结果分析 | 第45-46页 |
| 4.4 Hadoop环境中分类实验 | 第46-52页 |
| 4.4.1 实验环境 | 第46-50页 |
| 4.4.2 实验语料预处理 | 第50页 |
| 4.4.3 实验结果分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 在校期间发表的论文、科研成果 | 第58-59页 |
| 致谢 | 第59页 |
