并行LDA算法的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1. 选题背景及意义 | 第8-9页 |
| 1.2. 相关研究现状 | 第9-11页 |
| 1.3. 本文的研究工作 | 第11-12页 |
| 1.4. 本文结构 | 第12-13页 |
| 第二章 背景知识 | 第13-27页 |
| 2.1. LDA相关知识 | 第13-23页 |
| 2.1.1. 贝叶斯推断 | 第13-14页 |
| 2.1.2. Dirichlet分布 | 第14-18页 |
| 2.1.3. MCMC和Gibbs采样 | 第18-23页 |
| 2.2. Spark和MLlib简介 | 第23-26页 |
| 2.3. 本章小结 | 第26-27页 |
| 第三章 使用Spark实现的并行LDA算法 | 第27-43页 |
| 3.1. LDA简介 | 第27-33页 |
| 3.1.1. LDA概率模型 | 第27-29页 |
| 3.1.2. 使用Gibbs采样推导LDA | 第29-33页 |
| 3.2. Spark-LDA算法介绍 | 第33-37页 |
| 3.2.1. 算法思想 | 第33-34页 |
| 3.2.2. 数据分割及负载均衡 | 第34-36页 |
| 3.2.3. 数据处理流程 | 第36-37页 |
| 3.3. Spark-LDA实现 | 第37-41页 |
| 3.4. 算法存在的问题 | 第41-42页 |
| 3.5. 本章小结 | 第42-43页 |
| 第四章 算法相关实验 | 第43-52页 |
| 4.1. 实验环境 | 第43-44页 |
| 4.1.1. 硬件环境 | 第43页 |
| 4.1.2. 软件环境 | 第43页 |
| 4.1.3. 数据来源 | 第43-44页 |
| 4.2. 过程及结果分析 | 第44-50页 |
| 4.2.1. 困惑度 | 第44-48页 |
| 4.2.2. 收敛速度 | 第48页 |
| 4.2.3. 加速比 | 第48-50页 |
| 4.3. 实验结论 | 第50-51页 |
| 4.4. 本章小结 | 第51-52页 |
| 第五章 算法集成与应用 | 第52-69页 |
| 5.1. PDM系统简介 | 第52-53页 |
| 5.2. 算法集成 | 第53-64页 |
| 5.2.1. 需求分析 | 第53-54页 |
| 5.2.2. 概要设计 | 第54-55页 |
| 5.2.3. 详细设计与实现 | 第55-63页 |
| 5.2.4. 遇到的问题与解决方案 | 第63-64页 |
| 5.3. 主题提取 | 第64-68页 |
| 5.3.1. 数据来源 | 第64-65页 |
| 5.3.2. 数据预处理 | 第65-66页 |
| 5.3.3. 估计主题个数 | 第66页 |
| 5.3.4. 作业提交与结果展示 | 第66-68页 |
| 5.4. 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
