基于Spark云计算架构的云南省生物医药专利数据的聚类分析研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文主要研究内容 | 第14-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 关键技术介绍 | 第17-27页 |
| 2.1 云计算概述 | 第17页 |
| 2.2 分布式文件系统HDFS | 第17-18页 |
| 2.3 Spark框架 | 第18-21页 |
| 2.3.1 Spark生态系统 | 第18-19页 |
| 2.3.2 Spark运行架构及基本流程 | 第19-20页 |
| 2.3.3 弹性分布式数据集RDD | 第20-21页 |
| 2.4 聚类分析概述 | 第21-25页 |
| 2.4.1 聚类算法分类 | 第21-22页 |
| 2.4.2 文本聚类体系结构 | 第22-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 实验环境搭建与数据处理 | 第27-35页 |
| 3.1 Spark开发环境搭建 | 第27-32页 |
| 3.1.1 运行环境 | 第27-28页 |
| 3.1.2 设置系统环境 | 第28-30页 |
| 3.1.3 Hadoop与Spark的文件配置 | 第30-32页 |
| 3.2 专利数据获取与处理 | 第32-34页 |
| 3.2.1 构建检索式 | 第32-33页 |
| 3.2.2 数据预处理 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 生物医药专利聚类分析 | 第35-47页 |
| 4.1 聚类变量设定与算法选择 | 第35-37页 |
| 4.2 基于Spark的聚类算法并行化设计 | 第37-38页 |
| 4.3 基于Spark的聚类算法并行化实现 | 第38页 |
| 4.4 聚类结果分析 | 第38-44页 |
| 4.4.1 年度发展状况 | 第38-41页 |
| 4.4.2 IPC分类号 | 第41-42页 |
| 4.4.3 专利高产申请人 | 第42-44页 |
| 4.5 专利文本聚类 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 基于LDA主题模型的专利技术主题挖掘 | 第47-63页 |
| 5.1 专利技术主题 | 第47-48页 |
| 5.2 LDA建模 | 第48-53页 |
| 5.2.1 LDA主题模型 | 第48-49页 |
| 5.2.2 LDA参数估计 | 第49-50页 |
| 5.2.3 确定语义主题数 | 第50-51页 |
| 5.2.4 LDA主题模型构建与实现 | 第51-53页 |
| 5.3 生物医药专利技术主题挖掘 | 第53-58页 |
| 5.3.1 专利名称主题挖掘 | 第53-55页 |
| 5.3.2 专利摘要主题挖掘 | 第55-56页 |
| 5.3.3 技术主题演化趋势分析 | 第56-58页 |
| 5.4 生物医药技术主题分析 | 第58-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录A 攻读硕士期间取得成果 | 第71-72页 |
| 附录B 攻读硕士期间参与的科研项目 | 第72页 |
