| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 课研究现状与存在的问题 | 第12-14页 |
| 1.2.1 国内外研究现状 | 第12-13页 |
| 1.2.2 存在的问题 | 第13-14页 |
| 1.3 课题主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 课题研究的相关理论与技术 | 第16-23页 |
| 2.1 相似重复记录检测相关理论 | 第16-18页 |
| 2.1.1 相似重复记录描述 | 第16页 |
| 2.1.2 相似重复记录检测原理 | 第16-18页 |
| 2.1.3 相似重复记录检测评价标准 | 第18页 |
| 2.2 Hadoop大数据处理技术 | 第18-21页 |
| 2.2.1 分布式文件系统HDFS | 第19-20页 |
| 2.2.2 HBase数据库 | 第20页 |
| 2.2.3 MapReduce模型 | 第20-21页 |
| 2.3 Spark大数据处理技术 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 Simhash算法及改进 | 第23-29页 |
| 3.1 Simhash算法 | 第23-24页 |
| 3.2 Simhash算法改进 | 第24-26页 |
| 3.2.1 算法改进思路 | 第24页 |
| 3.2.2 基于内维尔插值算法的缺失数据填补 | 第24-25页 |
| 3.2.3 关键词提取及权重计算 | 第25页 |
| 3.2.4 基于图聚类分析的Simhash指纹分类 | 第25-26页 |
| 3.2.5 海明距离 | 第26页 |
| 3.3 改进后的算法描述 | 第26-27页 |
| 3.4 实验分析 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 基于MapReduce模型的文本数据相似重复记录检测 | 第29-39页 |
| 4.1 检测流程设计 | 第29-30页 |
| 4.2 文本数据相似重复记录检测算法SRDA的优化 | 第30-31页 |
| 4.2.1 Simhash指纹倒排索引算法 | 第30页 |
| 4.2.2 优化算法OPSRDA的实现步骤 | 第30-31页 |
| 4.3 基于MapReduce模型的并行化OPSRDA算法MR-OPSRDA | 第31-35页 |
| 4.4 实验分析 | 第35-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 基于Spark的文本数据相似重复记录检测 | 第39-49页 |
| 5.1 检测流程设计 | 第39-40页 |
| 5.2 基于图论的Simhash指纹搜索策略 | 第40-41页 |
| 5.3 文本数据相似重复记录检测算法CSSRDA | 第41-42页 |
| 5.4 基于Spark的相似重复记录检测算法Spark-CSSRDA | 第42-44页 |
| 5.4.1 Spark-CSSRDA算法的RDD数据处理流程 | 第42-43页 |
| 5.4.2 Spark-CSSRDA算法设计 | 第43-44页 |
| 5.5 实验分析 | 第44-48页 |
| 5.6 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54-56页 |
| 致谢 | 第56页 |
