| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第1章 绪论 | 第11-14页 |
| ·研究背景和意义 | 第11页 |
| ·研究现状 | 第11-12页 |
| ·研究内容及其组织结构 | 第12-14页 |
| 第2章 MapReduce 模型及文本分类概述 | 第14-21页 |
| ·MapReduce 模型 | 第14-17页 |
| ·MapReduce 作业运行机制 | 第14-16页 |
| ·MapReduce 中 shuffle 和排序 | 第16-17页 |
| ·文本分类 | 第17-20页 |
| ·特征选择方法 | 第17-19页 |
| ·权重计算 TFIDF 改进方法 | 第19-20页 |
| ·本章总结 | 第20-21页 |
| 第3章 Hadoop 平台下倒排索引树的研究 | 第21-36页 |
| ·数据处理思想 | 第21-24页 |
| ·数据划分思想 | 第21-22页 |
| ·数据抽样思想 | 第22-23页 |
| ·数据变化思想 | 第23-24页 |
| ·数据增量思想 | 第24页 |
| ·倒排索引树并行化 | 第24-31页 |
| ·倒排索引树结构 | 第25-27页 |
| ·倒排索引树算法 | 第27-30页 |
| ·倒排索引树剪枝策略 | 第30-31页 |
| ·增量倒排索引树并行化 | 第31-35页 |
| ·增量倒排索引树并行化设计 | 第31-33页 |
| ·增量倒排索引树实现的关键技术 | 第33-35页 |
| ·本章总结 | 第35-36页 |
| 第4章 Hadoop 平台下基于倒排索引树的文本分类算法 | 第36-56页 |
| ·文本预处理 | 第36-38页 |
| ·算法输入要求 | 第36-37页 |
| ·Map 阶段 | 第37页 |
| ·Reduce 阶段 | 第37-38页 |
| ·分类模型训练 | 第38-39页 |
| ·Map 阶段 | 第38页 |
| ·Reduce 阶段 | 第38-39页 |
| ·训练模型生成阶段 | 第39页 |
| ·训练样本获得 | 第39-44页 |
| ·K-Means 算法主要思想 | 第39-40页 |
| ·Hadoop 平台下 K-means 增量算法 | 第40-42页 |
| ·Hadoop 平台下基于 MapReduce 的 Bagging 增量算法 | 第42-44页 |
| ·贝叶斯算法 | 第44-53页 |
| ·Hadoop 平台下基于倒排索引树的朴素贝叶斯算法 | 第44-48页 |
| ·Hadoop 平台下基于倒排索引树的局部朴素贝叶斯算法 | 第48-53页 |
| ·分类结果评价 | 第53-55页 |
| ·Map 阶段 | 第54页 |
| ·Reduce 阶段 | 第54-55页 |
| ·本章总结 | 第55-56页 |
| 第5章 实验与分析 | 第56-65页 |
| ·实验环境搭建 | 第56-59页 |
| ·集群机器环境配置 | 第56-58页 |
| ·Hadoop 安装及其配置 | 第58-59页 |
| ·实验结果分析 | 第59-64页 |
| ·中英文数据集描述 | 第59-60页 |
| ·算法性能分析 | 第60-64页 |
| ·本章总结 | 第64-65页 |
| 第6章 结论与展望 | 第65-66页 |
| ·结论 | 第65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读硕士学位期间学术论文及科研情况 | 第69-70页 |
