| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第14-19页 |
| 1.1 研究目的和意义 | 第14-15页 |
| 1.2 国内外相关研究现状 | 第15-17页 |
| 1.2.1 网络爬虫 | 第15页 |
| 1.2.2 大数据环境下的数据挖掘 | 第15-16页 |
| 1.2.3 文本分类与中文新闻信息分类 | 第16页 |
| 1.2.4 基于Hadoop的文本分类 | 第16-17页 |
| 1.3 主要研究内容及论文结构 | 第17-18页 |
| 1.4 本文结构 | 第18-19页 |
| 第2章 相关理论和技术 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 网络爬虫技术 | 第19-20页 |
| 2.3 文本分类概述 | 第20-25页 |
| 2.3.1 文本预处理过程 | 第20-22页 |
| 2.3.2 空间向量模型 | 第22页 |
| 2.3.3 文本特征选取 | 第22-24页 |
| 2.3.4 文本分类算法 | 第24-25页 |
| 2.4 Hadoop相关技术 | 第25-27页 |
| 2.4.1 HDFS分布式文件系统 | 第25-26页 |
| 2.4.2 MapReduce并行计算框架 | 第26-27页 |
| 2.4.3 Hive数据仓库 | 第27页 |
| 2.5 增量学习 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 系统的分析与设计 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 系统需求分析 | 第29页 |
| 3.3 系统总体设计 | 第29-32页 |
| 3.4 分类模型分析与设计 | 第32-36页 |
| 3.4.1 基于MMSEG算法的文本预处理 | 第33页 |
| 3.4.2 基于TF-IDF的特征提取 | 第33-34页 |
| 3.4.3 基于朴素贝叶斯的分类器的设计 | 第34-35页 |
| 3.4.4 贝叶斯分类增量学习 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 系统实现 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 爬虫模块的实现 | 第37-38页 |
| 4.3 基于MapReduce的朴素贝叶斯分类器构造 | 第38-43页 |
| 4.3.1 预处理阶段的并行化 | 第38-39页 |
| 4.3.2 文本向量化的并行化 | 第39-42页 |
| 4.3.3 模型训练的并行化 | 第42-43页 |
| 4.3.4 预测分类的并行化 | 第43页 |
| 4.4 基于MapReduce增量分类模型实现 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 测试结果与分析 | 第45-52页 |
| 5.1 引言 | 第45页 |
| 5.2 测试环境配置 | 第45-46页 |
| 5.2.1 环境参数 | 第45页 |
| 5.2.2 集群构建 | 第45-46页 |
| 5.3 爬虫功能测试 | 第46-47页 |
| 5.4 文本分类结果及分析 | 第47-49页 |
| 5.5 增量学习测试结果及分析 | 第49-51页 |
| 5.6 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文 | 第56-57页 |
| 致谢 | 第57页 |