| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究目的及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 朴素贝叶斯算法 | 第10页 |
| 1.2.2 Mahout项目 | 第10-11页 |
| 1.2.3 GPU通用计算 | 第11-12页 |
| 1.3 论文结构安排 | 第12-13页 |
| 第二章 朴素贝叶斯算法与GPU相关技术研究 | 第13-27页 |
| 2.1 朴素贝叶斯理论基础 | 第13-14页 |
| 2.1.1 贝叶斯定理 | 第13-14页 |
| 2.1.2 事件的独立性 | 第14页 |
| 2.2. 朴素贝叶斯文本分类 | 第14-17页 |
| 2.2.1 文本分类 | 第14-15页 |
| 2.2.2 文本分类计算模型 | 第15-16页 |
| 2.2.3 朴素贝叶斯文本分类 | 第16-17页 |
| 2.2.4 文本分类特征项 | 第17页 |
| 2.3 Mahout概述及Mahout中朴素贝叶斯算法流程 | 第17-19页 |
| 2.4 GPU体系架构 | 第19-21页 |
| 2.4.1 GPU简介 | 第19-21页 |
| 2.4.2 GPU与CPU对比 | 第21页 |
| 2.5 CUDA | 第21-26页 |
| 2.5.1 CUDA编程模型 | 第21-22页 |
| 2.5.2 CUDA执行模型 | 第22-23页 |
| 2.5.3 CUDA存储器模型 | 第23-25页 |
| 2.5.4 CUDA软件体系 | 第25-26页 |
| 2.5.5 CUDA编程优化 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 并行朴素贝叶斯文本分类系统的分析与设计 | 第27-41页 |
| 3.1 并行朴素贝叶斯文本分类系统总体设计 | 第27-29页 |
| 3.2 并行朴素贝叶斯文本分类系统子模块设计 | 第29-40页 |
| 3.2.1 文本预处理模块 | 第29-30页 |
| 3.2.2 文本训练模块 | 第30-34页 |
| 3.2.3 文本分类模块 | 第34-37页 |
| 3.2.4 分类结果评价模块 | 第37-39页 |
| 3.2.5 分类结果反馈模块 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 并行朴素贝叶斯文本分类系统的实现 | 第41-58页 |
| 4.1 Grid和Block维度划分 | 第41-42页 |
| 4.2 并行朴素贝叶斯文本分类系统模块实现 | 第42-55页 |
| 4.2.1 文本预处理模块 | 第42-43页 |
| 4.2.2 文本训练模块 | 第43-49页 |
| 4.2.3 文本分类模块 | 第49-53页 |
| 4.2.4 分类结果评价模块 | 第53-54页 |
| 4.2.5 分类结果反馈模块 | 第54-55页 |
| 4.3 并行朴素贝叶斯文本分类系统优化 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 测试分析 | 第58-71页 |
| 5.1 测试环境 | 第58-59页 |
| 5.2 测试数据 | 第59-60页 |
| 5.3 正确率及精确率测试 | 第60-61页 |
| 5.4 计算步骤效率测试 | 第61-66页 |
| 5.4.1 并行TF矩阵计算 | 第61-62页 |
| 5.4.2 并行TFIDF矩阵计算 | 第62-63页 |
| 5.4.3 并行SigmaK向量计算 | 第63-65页 |
| 5.4.4 并行计算矩阵向量和 | 第65-66页 |
| 5.5 整体效率测试 | 第66-70页 |
| 5.5.1 训练模块与分类模块整体效率对比 | 第66-68页 |
| 5.5.2 语料数量对效率的影响 | 第68-70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 作者攻读学位期间发表的学术论文目录 | 第77页 |