大型开放式在线教育中大数据的文本分类研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 前言 | 第7-12页 |
| 1.1 课题背景 | 第7-8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.4 课题主要研究内容 | 第10-12页 |
| 第2章 大数据相关理论与技术 | 第12-22页 |
| 2.1 大数据及其相关技术 | 第12-13页 |
| 2.1.1 大数据的定义 | 第12-13页 |
| 2.2 大数据相关技术 | 第13-19页 |
| 2.3 大数据分析 | 第19-22页 |
| 2.3.1 数据探索和数据挖掘 | 第20页 |
| 2.3.2 数据挖掘 | 第20-22页 |
| 第3章 分布式分类计算 | 第22-32页 |
| 3.1 分类预测 | 第22-27页 |
| 3.1.1 分布式分类计算 | 第22-23页 |
| 3.1.2 分类原理 | 第23-24页 |
| 3.1.3 文本情感分类的流程 | 第24-27页 |
| 3.2 相似性度量 | 第27-28页 |
| 3.3 最近邻KNN分类 | 第28-30页 |
| 3.3.1 KNN基本原理 | 第28-29页 |
| 3.3.2 KNN MapReduce并行化 | 第29-30页 |
| 3.4 质心分类 | 第30页 |
| 3.4.1 质心分类的基本原理 | 第30页 |
| 3.4.2 质心分类并行化 | 第30页 |
| 3.5 贪婪贝叶斯 | 第30-31页 |
| 3.6 支持向量机 | 第31-32页 |
| 第4章 MOOC网站中用户评论的文本情感分类过程 | 第32-38页 |
| 4.1 文本情感分类的方法 | 第32-33页 |
| 4.2 文本情感分类 | 第33-36页 |
| 4.2.1 数据收集 | 第33-34页 |
| 4.2.2 文本向量化 | 第34-36页 |
| 4.2.3 特征选择 | 第36页 |
| 4.3 用户评论数据情感分类 | 第36-38页 |
| 第5章 算法实验 | 第38-42页 |
| 5.1 实验环境搭建 | 第38-40页 |
| 5.1.1 集群规划 | 第38页 |
| 5.1.2 软件准备 | 第38-40页 |
| 5.2 实验数据 | 第40页 |
| 5.3 实验过程和结果 | 第40-42页 |
| 第6章 总结与展望 | 第42-44页 |
| 6.1 本课题的研究总结 | 第42页 |
| 6.2 本课题的创新之处 | 第42-43页 |
| 6.3 本课题的不足以及对未来工作的展望 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46-49页 |
| 在学期间的科研情况 | 第49页 |
