| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第13-17页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 国内外网络舆情聚类研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 论文主要工作 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 舆情文本聚类相关技术 | 第17-35页 |
| 2.1 文本聚类 | 第17-18页 |
| 2.2 文本预处理 | 第18-22页 |
| 2.2.1 中文分词 | 第18-22页 |
| 2.2.2 去除停用词 | 第22页 |
| 2.3 文本特征提取 | 第22-26页 |
| 2.3.1 信息增益(Information gain,IG) | 第23-24页 |
| 2.3.2 互信息(Mutual Information) | 第24页 |
| 2.3.3 χ2统计(CHI) | 第24-25页 |
| 2.3.4 期望交叉熵(Expected Cross Entropy) | 第25页 |
| 2.3.5 词频-逆向文档频率(TF-IDF) | 第25-26页 |
| 2.4 文本表示 | 第26-28页 |
| 2.4.1 向量空间模型 | 第26-27页 |
| 2.4.2 布尔模型 | 第27-28页 |
| 2.4.3 概率模型 | 第28页 |
| 2.5 文本相似度计算 | 第28-30页 |
| 2.5.1 距离度量 | 第28-29页 |
| 2.5.2 相似度度量 | 第29-30页 |
| 2.6 主要的聚类算法 | 第30-33页 |
| 2.7 并行化聚类评价标准 | 第33-34页 |
| 2.7.1 加速比 | 第33页 |
| 2.7.2 效率 | 第33-34页 |
| 2.7.3 可扩展性 | 第34页 |
| 2.8 本章小结 | 第34-35页 |
| 3 Hadoop项目综述 | 第35-42页 |
| 3.1 Hadoop项目简介 | 第35-36页 |
| 3.2 MapReduce分布式计算框架 | 第36-39页 |
| 3.2.1 MapReduce框架结构 | 第36-37页 |
| 3.2.2 MapReduce执行流程 | 第37-39页 |
| 3.3 HDFS分布式文件系统 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 改进的Birch算法 | 第42-58页 |
| 4.1 Birch算法不足 | 第42-43页 |
| 4.2 改进的CF-树构造方法 | 第43-51页 |
| 4.2.1 改进的CF-树构造方法 | 第45-46页 |
| 4.2.2 CF-树构造过程关键问题分析 | 第46-51页 |
| 4.3 改进的Birch算法 | 第51-53页 |
| 4.4 仿真 | 第53-57页 |
| 4.4.1 数据集 | 第53-54页 |
| 4.4.2 仿真结果 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 基于MapReduce的改进Birch算法的并行化研究 | 第58-73页 |
| 5.1 并行化整体方案设计 | 第58-61页 |
| 5.2 文本处理并行化设计与实现 | 第61-63页 |
| 5.3 改进Birch算法的并行化设计 | 第63-68页 |
| 5.4 实验与分析 | 第68-72页 |
| 5.4.1 实验环境 | 第68-69页 |
| 5.4.2 实验结果分析 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 总结 | 第73-75页 |
| 6.1 论文总结 | 第73-74页 |
| 6.2 未来工作 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第78-80页 |
| 学位论文数据集 | 第80页 |
