基于Hadoop和R语言的网络自媒体热点挖掘系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国内研究现状 | 第12-14页 |
| 1.2.2 国外研究现状 | 第14页 |
| 1.3 论文研究工作 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 相关技术理论介绍 | 第17-31页 |
| 2.1 网络爬虫介绍 | 第17-20页 |
| 2.1.1 爬虫原理 | 第17-19页 |
| 2.1.2 Nutch介绍 | 第19-20页 |
| 2.2 Hadoop平台介绍 | 第20-24页 |
| 2.2.1 Hadoop分布式文件系统介绍 | 第21-22页 |
| 2.2.2 MapReduce编程模型 | 第22-24页 |
| 2.3 文本挖掘技术 | 第24-28页 |
| 2.3.1 中文分词 | 第24-25页 |
| 2.3.2 文本分类 | 第25-27页 |
| 2.3.3 文本聚类 | 第27-28页 |
| 2.4 R语言 | 第28-29页 |
| 2.5 SpringMVC介绍 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 系统需求分析 | 第31-37页 |
| 3.1 系统需求概述 | 第31页 |
| 3.2 系统功能分析 | 第31-33页 |
| 3.3 模块需求分析 | 第33-36页 |
| 3.3.1 数据采集模块 | 第33-34页 |
| 3.3.2 热点挖掘模块 | 第34-35页 |
| 3.3.3 可视与交互模块 | 第35-36页 |
| 3.4 性能需求分析 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 自媒体热点挖掘系统的设计 | 第37-66页 |
| 4.1 总体设计方案 | 第37-40页 |
| 4.2 数据采集模块设计 | 第40-44页 |
| 4.2.1 采集模块流程设计 | 第40-41页 |
| 4.2.2 爬虫MapReduce设计 | 第41-43页 |
| 4.2.3 应对反爬虫设计 | 第43-44页 |
| 4.3 文本预处理设计 | 第44-48页 |
| 4.3.1 语料库的选择 | 第45页 |
| 4.3.2 文本预处理 | 第45-46页 |
| 4.3.3 特征向量化 | 第46-48页 |
| 4.4 文本分类算法设计 | 第48-50页 |
| 4.5 热点聚类算法设计 | 第50-61页 |
| 4.5.1 聚类模块分析 | 第50-51页 |
| 4.5.2 热点发现模型 | 第51-52页 |
| 4.5.3 相似度计算 | 第52-53页 |
| 4.5.4 数据准备 | 第53页 |
| 4.5.5 初始质心的选择 | 第53-57页 |
| 4.5.6 K值的选取 | 第57页 |
| 4.5.7 热点挖掘设计 | 第57-61页 |
| 4.6 系统交互设计 | 第61-65页 |
| 4.6.1 组件总体设计 | 第61-63页 |
| 4.6.2 采集组件 | 第63页 |
| 4.6.3 分类组件 | 第63-64页 |
| 4.6.4 聚类组件 | 第64页 |
| 4.6.5 展示组件 | 第64-65页 |
| 4.7 本章小结 | 第65-66页 |
| 第五章 自媒体热点挖掘系统的实现 | 第66-80页 |
| 5.1 系统搭建和环境准备 | 第66-69页 |
| 5.1.1 Hadoop部署 | 第66-68页 |
| 5.1.2 Nutch分布式部署 | 第68-69页 |
| 5.1.3 Java语言和R语言的整合 | 第69页 |
| 5.2 数据采集实现 | 第69-71页 |
| 5.3 文本特征化处理实现 | 第71-73页 |
| 5.4 热点挖掘实现 | 第73-76页 |
| 5.5 系统交互部分实现 | 第76-77页 |
| 5.6 系统性能测试 | 第77-79页 |
| 5.6.1 采集性能测试 | 第77页 |
| 5.6.2 热点挖掘测试 | 第77-79页 |
| 5.7 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 课题总结 | 第80页 |
| 6.2 不足与展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-85页 |
