| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-14页 |
| ·课题背景 | 第10-11页 |
| ·研究目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文研究内容及章节安排 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第二章 云计算平台介绍与浅析 | 第14-34页 |
| ·Google 云计算平台介绍与分析 | 第14-17页 |
| ·Google 文件系统GFS | 第14-16页 |
| ·Google 的Bigtable | 第16页 |
| ·MapReduce 编程模型 | 第16-17页 |
| ·开源云计算平台Hadoop 介绍与分析 | 第17-27页 |
| ·Hadoop 分布式文件系统概述 | 第17-18页 |
| ·Hadoop 分布式文件系统(HDFS)详解 | 第18-23页 |
| ·MapReduce 并行编程模型在Hadoop 中的实现 | 第23-26页 |
| ·Hadoop Map/Reduce 的容错机制分析 | 第26-27页 |
| ·Sector 架构分析与介绍 | 第27-28页 |
| ·Sector 概述 | 第27页 |
| ·Sector 文件系统管理 | 第27-28页 |
| ·Security server | 第28-31页 |
| ·Sphere 计算云 | 第28-30页 |
| ·调度机制 | 第30-31页 |
| ·平台应用背景的对比 | 第31-33页 |
| ·GFS、MapReduce 和Bigtable 应用场景 | 第31页 |
| ·Hadoop 应用场景 | 第31-32页 |
| ·Sector/Sphere 应用场景 | 第32-33页 |
| ·Google 云平台、Sector/Sphere 及Hadoop 平台的对比 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于网络日志的中文热点话题提取算法研究 | 第34-57页 |
| ·话题提取算法介绍与分析 | 第34页 |
| ·基于网络日志的热点话题提取算法分析 | 第34-35页 |
| ·基于网络日志的热点话题提取方法 | 第35-39页 |
| ·网络日志分析 | 第35页 |
| ·主题提取 | 第35-37页 |
| ·热点话题提取 | 第37-38页 |
| ·热点话题描述 | 第38-39页 |
| ·单机实验和分析 | 第39-42页 |
| ·单机实验结果及分析 | 第39-42页 |
| ·中文热点提取算法展望 | 第42页 |
| ·中文热点提取算法的MapReduce 化 | 第42-46页 |
| ·网页统计MapReduce 化 | 第42-43页 |
| ·网页爬取、网页解析及主题提取MapReduce 化 | 第43-45页 |
| ·候选话题提取MapReduce 化 | 第45-46页 |
| ·热点话题描述MapReduce 化 | 第46页 |
| ·Hadoop 云计算集群上实验结果与分析 | 第46-53页 |
| ·Hadoop 实验集群的搭建 | 第46-53页 |
| ·Hadoop 集群上的实验结果与分析 | 第53-56页 |
| ·Hadoop 集群与单机实验结果与分析 | 第54-55页 |
| ·Hadoop 集群线性比测试与分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于用户的协同过滤算法在Hadoop 平台的实现 | 第57-65页 |
| ·协同过滤算法简介 | 第57-58页 |
| ·协同过滤系统详解 | 第58-59页 |
| ·假设与目标 | 第58页 |
| ·协同过滤算法具体过程 | 第58-59页 |
| ·传统协同过滤算法面临的问题及应对策略 | 第59页 |
| ·传统协同过滤算法的MapReduce 化 | 第59-62页 |
| ·数据划分 | 第60-61页 |
| ·Map 阶段 | 第61页 |
| ·Reduce 阶段 | 第61-62页 |
| ·协同过滤算法实验过程及结果分析 | 第62-64页 |
| ·实验总结与展望 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 局部加权线性回归算法在Hadoop 平台的实现 | 第65-75页 |
| ·局部加权线性回归算法简介 | 第65-66页 |
| ·局部加权线性回归算法详解 | 第66-71页 |
| ·局部加权线性回归算法主要步骤 | 第66-71页 |
| ·局部加权线性回归算法的MapReduce 化 | 第71-73页 |
| ·Datanode 数据量的划分 | 第71-72页 |
| ·Map 阶段 | 第72-73页 |
| ·Reduce 阶段 | 第73页 |
| ·实验过程及测试结果分析 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 朴素贝叶斯分类算法在Hadoop 平台的实现 | 第75-83页 |
| ·朴素贝叶斯算法简介 | 第75页 |
| ·朴素贝叶斯算法详解 | 第75-78页 |
| ·贝叶斯定理 | 第75-76页 |
| ·算法实现的疑难与解答 | 第76-78页 |
| ·朴素贝叶斯算法实现过程 | 第78页 |
| ·朴素贝叶斯算法的MapReduce 化 | 第78-81页 |
| ·数据预处理MapReduce 化 | 第79页 |
| ·模型训练MapReduce 化 | 第79-81页 |
| ·分类MapReduce 化 | 第81页 |
| ·实验过程及测试结果分析 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第七章 总结和展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 攻硕期间取得的研究成果 | 第89-90页 |
