基于Hadoop的领域知识库自动构建关键技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11页 |
| ·本文主要工作 | 第11-14页 |
| ·兴趣领域选择 | 第12-13页 |
| ·构建领域知识库方案 | 第13-14页 |
| ·论文内容框架 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 文本挖掘与相关语义技术 | 第16-23页 |
| ·文本挖掘 | 第16页 |
| ·基于文本内容挖掘 | 第16页 |
| ·基于文本结构挖掘 | 第16-17页 |
| ·信息检索模型 | 第17-18页 |
| ·布尔模型 | 第17页 |
| ·向量空间模型 | 第17页 |
| ·概率模型 | 第17-18页 |
| ·各模型的适用性对比 | 第18页 |
| ·语义技术 | 第18-20页 |
| ·潜在语义分析 | 第19页 |
| ·外部语义分析 | 第19-20页 |
| ·Hadoop | 第20-22页 |
| ·Hadoop平台的架构 | 第20-21页 |
| ·HDFS | 第21-22页 |
| ·SSH | 第22-23页 |
| 第3章 串行文本聚类 | 第23-37页 |
| ·文本聚类的一般步骤 | 第23-28页 |
| ·语料库 | 第23-25页 |
| ·分词 | 第25页 |
| ·词性过滤与去停用词处理 | 第25-26页 |
| ·特征提取 | 第26页 |
| ·文本相似度计算 | 第26-27页 |
| ·聚类分析 | 第27页 |
| ·聚类评价 | 第27-28页 |
| ·串行聚类实现 | 第28-36页 |
| ·构建文本相似度矩阵 | 第28-29页 |
| ·K-means算法 | 第29页 |
| ·Normalized Cuts算法 | 第29-31页 |
| ·实验 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 语义降维 | 第37-44页 |
| ·知网 | 第37-39页 |
| ·基于知网的同义词合并 | 第39页 |
| ·结合领域知识的知网语义加权算法 | 第39-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 并行文本聚类 | 第44-55页 |
| ·并行化构建文本向量 | 第44-47页 |
| ·并行矩阵相似度计算 | 第47-48页 |
| ·并行矩阵相乘 | 第48-49页 |
| ·并行数据划分 | 第49页 |
| ·实验 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 系统实现 | 第55-58页 |
| ·系统功能 | 第55页 |
| ·系统设计 | 第55-56页 |
| ·系统实现 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第7章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间的研究成果 | 第63-64页 |
