文档部分重复检测研究
| 目录 | 第3-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 前言 | 第7-10页 |
| 1.2 本文的主要内容和组织结构 | 第10-12页 |
| 1.2.1 本文的主要内容 | 第10页 |
| 1.2.2 本文的组织结构 | 第10-12页 |
| 第二章 相关研究工作 | 第12-17页 |
| 2.1 常用特征提取算法介绍 | 第12-15页 |
| 2.1.1 DSC和DSC-SS算法 | 第12-13页 |
| 2.1.2 I-Match算法 | 第13-14页 |
| 2.1.3 SpotSig算法 | 第14-15页 |
| 2.2 文本重复检测系统效率相关研究介绍 | 第15-16页 |
| 2.3 小结 | 第16-17页 |
| 第三章 句子级别文本重复检测研究 | 第17-27页 |
| 3.1 Low-IDF-SIG特征提取算法 | 第18-21页 |
| 3.1.1 概念与标记方法 | 第19-20页 |
| 3.1.2 特征提取例子 | 第20页 |
| 3.1.3 Low-IDF-SIG的实现 | 第20-21页 |
| 3.2 基于倒排索引的句子级别重复检测 | 第21-26页 |
| 3.2.1 倒排索引的建立 | 第21-24页 |
| 3.2.2 基于倒排索引的句子级别重复检测 | 第24-26页 |
| 3.3 小结 | 第26-27页 |
| 第四章 分布式文档部分重复检测研究 | 第27-35页 |
| 4.1 MapReduce与Hadoop简介 | 第27-28页 |
| 4.2 系统流程 | 第28-30页 |
| 4.3 PDC-MR-Ⅱ算法 | 第30-34页 |
| 4.3.1 建立倒排索引 | 第30-32页 |
| 4.3.2 句子级别重复检测与序列匹配 | 第32-34页 |
| 4.4 小结 | 第34-35页 |
| 第五章 实验与结论 | 第35-44页 |
| 5.1 特征提取算法实验 | 第35-40页 |
| 5.1.1 特征精度比较 | 第35-39页 |
| 5.1.2 特征综合表现 | 第39-40页 |
| 5.2 PDC-MR-Ⅱ算法性能实验 | 第40-43页 |
| 5.3 小结 | 第43-44页 |
| 第六章 结语 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 攻读学位期间参加的科研项目与发表的论文 | 第47-48页 |
| 致谢 | 第48-49页 |
