| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 文本分类研究现状 | 第9-10页 |
| 1.2.2 并行化技术研究现状 | 第10页 |
| 1.3 本文主要研究内容 | 第10-11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第2章 相关技术概述 | 第13-22页 |
| 2.1 引言 | 第13页 |
| 2.2 数据预处理技术及优化算法 | 第13-16页 |
| 2.2.1 信息增益 | 第13页 |
| 2.2.2 词频-逆文档频率 | 第13-14页 |
| 2.2.3 LDA主题模型 | 第14页 |
| 2.2.4 Skip-gram模型 | 第14-15页 |
| 2.2.5 蚁群算法 | 第15-16页 |
| 2.3 文本分类模型 | 第16-18页 |
| 2.3.1 朴素贝叶斯分类模型 | 第16-17页 |
| 2.3.2 卷积神经网络分类模型 | 第17-18页 |
| 2.4 并行化技术 | 第18-21页 |
| 2.4.1 MapReduce原理简介 | 第18-20页 |
| 2.4.2 MapReduce框架的实现流程 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 优化的加权朴素贝叶斯分类模型并行化研究 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 信息增益方法的改进研究 | 第22-24页 |
| 3.3 IA-WNB并行化分类模型 | 第24-27页 |
| 3.3.1 IA-WNB分类模型 | 第24-26页 |
| 3.3.2 IA-WNB分类模型的并行化设计 | 第26-27页 |
| 3.4 并行化分类模型的实现 | 第27-28页 |
| 3.5 实验设计与分析 | 第28-33页 |
| 3.5.1 实验环境及数据集 | 第28页 |
| 3.5.2 评价标准 | 第28-29页 |
| 3.5.3 实验设计与结果分析 | 第29-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于语义扩展的卷积神经网络并行化分类模型 | 第34-47页 |
| 4.1 引言 | 第34页 |
| 4.2 短文本的语义扩展二元组构建 | 第34-36页 |
| 4.3 基于语义扩展的卷积神经网络并行化短文本分类模型 | 第36-40页 |
| 4.3.1 基于语义扩展的CNN短文本分类模型 | 第36-38页 |
| 4.3.2 短文本分类模型的并行化设计 | 第38-40页 |
| 4.4 并行化分类模型的实现 | 第40-41页 |
| 4.5 实验设计与分析 | 第41-46页 |
| 4.5.1 实验环境 | 第41-42页 |
| 4.5.2 实验数据 | 第42页 |
| 4.5.3 评价指标 | 第42页 |
| 4.5.4 实验设计与结果分析 | 第42-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 在学期间发表的学术论文与研究成果 | 第53页 |