| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·国内外研究存在的问题 | 第11-12页 |
| ·主要研究内容 | 第12页 |
| ·论文章节组织结构 | 第12-14页 |
| 第二章 相关技术综述 | 第14-32页 |
| ·文本挖掘与文本分类 | 第14-16页 |
| ·文本挖掘 | 第14-16页 |
| ·文本分类 | 第16页 |
| ·文本分类预处理技术 | 第16-23页 |
| ·特征抽取 | 第17-18页 |
| ·特征选择 | 第18-20页 |
| ·文本向量表示 | 第20-23页 |
| ·支持向量机文本分类方法 | 第23-27页 |
| ·支持向量机 | 第23页 |
| ·线性可分情况 | 第23-25页 |
| ·线性不可分情况 | 第25-27页 |
| ·Hadoop平台介绍 | 第27-31页 |
| ·技术背景 | 第27-28页 |
| ·Hadoop分布式文件系统HDFS | 第28-29页 |
| ·Hadoop MapReduce编程模型 | 第29-30页 |
| ·HBase海量数据存储模型 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第三章 基于可行性方向法的并行SVM算法 | 第32-45页 |
| ·文本分类算法模型 | 第32-34页 |
| ·建立SVM两类分类模型 | 第32-33页 |
| ·确定分类模型的核函数类型 | 第33-34页 |
| ·建立SVM多类分类模型 | 第34页 |
| ·SVM文本分类算法求解及改进 | 第34-40页 |
| ·基于可行性方向法的SVM算法 | 第34-37页 |
| ·改进的基于可行性方向法的SVM算法 | 第37-39页 |
| ·SVM算法迭代停机准则 | 第39-40页 |
| ·并行SVM学习算法模型 | 第40-42页 |
| ·实验及算法性能分析 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第四章 基于Hadoop并行SVM文本分类系统的设计与实现 | 第45-66页 |
| ·文本分类系统总体结构设计 | 第45-47页 |
| ·文本分类系统存储逻辑结构模型设计 | 第47-49页 |
| ·文本数据预处理的设计与实现 | 第49-55页 |
| ·Web文本提取与文本特征提取 | 第49-50页 |
| ·文本特征选择 | 第50-53页 |
| ·文本表示 | 第53-54页 |
| ·改进的特征权重计算 | 第54-55页 |
| ·基于Hadoop的SVM分类训练器的设计与实现 | 第55-60页 |
| ·并行化的SVM | 第55-57页 |
| ·数据集划分 | 第57-58页 |
| ·迭代停止条件 | 第58页 |
| ·自定义MapReduce任务的实现 | 第58-60页 |
| ·并行化SVM多类分类的设计实现 | 第60-62页 |
| ·实验评估与分析 | 第62-65页 |
| ·分布式集群测试环境 | 第62页 |
| ·测试数据集的获取 | 第62-63页 |
| ·测试评估方面及评估指标 | 第63-64页 |
| ·测试评估结果及分析 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·全文总结 | 第66-67页 |
| ·未来工作展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 发表论文和参加科研情况说明 | 第73-74页 |
| 致谢 | 第74页 |