| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第17-28页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.1.1 大数据时代的数据规模 | 第17-18页 |
| 1.1.2 海量文本挖掘需求 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-23页 |
| 1.2.1 大规模文本挖掘并行处理 | 第19-21页 |
| 1.2.2 云计算环境下的文本挖掘 | 第21-23页 |
| 1.3 面临的问题 | 第23-24页 |
| 1.4 本文研究工作 | 第24-26页 |
| 1.5 本文组织结构 | 第26-28页 |
| 第2章 云计算环境下文本挖掘并行处理相关技术 | 第28-38页 |
| 2.1 MapReduce并行编程模型 | 第28-31页 |
| 2.1.1 MapReduce的概念 | 第28-29页 |
| 2.1.2 MapReduce特点分析 | 第29-30页 |
| 2.1.3 MapReduce运行原理 | 第30-31页 |
| 2.2 基于MapReduce的主流云计算平台 | 第31-37页 |
| 2.2.1 Hadoop云计算平台 | 第32-33页 |
| 2.2.2 Spark云计算平台 | 第33-35页 |
| 2.2.3 Flink云计算平台 | 第35-37页 |
| 2.3 基于云计算平台的文本挖掘并行架构 | 第37-38页 |
| 第3章 基于Hadoop的条件随机场文本命名实体识别并行算法 | 第38-59页 |
| 3.1 引言 | 第38-39页 |
| 3.2 条件随机场模型 | 第39-45页 |
| 3.2.1 条件随机场 | 第39-42页 |
| 3.2.2 L-BFGS算法 | 第42-43页 |
| 3.2.3 Viterbi算法 | 第43-45页 |
| 3.3 MapReduce条件随机场模型 | 第45-52页 |
| 3.3.1 数据集的划分 | 第45页 |
| 3.3.2 MapReduce L-BFGS (MRLB)算法 | 第45-47页 |
| 3.3.3 MapReduce Viterbi (MRVtb)算法 | 第47-48页 |
| 3.3.4 条件随机场MapReduce框架 | 第48-50页 |
| 3.3.5 运行时间分析 | 第50-52页 |
| 3.4 实验评估 | 第52-58页 |
| 3.4.1 实验环境 | 第52页 |
| 3.4.2 准确性评估 | 第52-53页 |
| 3.4.3 改变数据集大小 | 第53-56页 |
| 3.4.4 改变Hadoop节点数 | 第56页 |
| 3.4.5 改变Hadoop参数 | 第56-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第4章 基于GFlink的条件随机场文本命名实体识别异构并行算法 | 第59-76页 |
| 4.1 引言 | 第59-60页 |
| 4.2 背景知识和系统架构 | 第60-63页 |
| 4.2.1 线性条件随机场 | 第60-63页 |
| 4.2.2 GFlink系统架构 | 第63页 |
| 4.3 实现异构分布式CRF算法的挑战 | 第63-64页 |
| 4.4 异构分布式CRF算法的实现 | 第64-72页 |
| 4.4.1 分布式并行算法设计 | 第64-68页 |
| 4.4.2 弹性数据划分策略 | 第68-70页 |
| 4.4.3 中间结果复用方法 | 第70-72页 |
| 4.5 实验评估 | 第72-75页 |
| 4.5.1 实验配置 | 第72页 |
| 4.5.2 准确性评估 | 第72-73页 |
| 4.5.3 不同迭代次数的运行时间 | 第73页 |
| 4.5.4 不同数据集大小的运行时间 | 第73-75页 |
| 4.5.5 不同节点的运行时间 | 第75页 |
| 4.6 本章小结 | 第75-76页 |
| 第5章 基于Spark的微博热点话题检测并行聚类算法 | 第76-96页 |
| 5.1 引言 | 第76-77页 |
| 5.2 背景知识和问题定义 | 第77-79页 |
| 5.2.1 问题定义 | 第77-78页 |
| 5.2.2 通用框架 | 第78-79页 |
| 5.2.3 Apache Spark | 第79页 |
| 5.3 两阶段的微-宏热点话题检测方法 | 第79-86页 |
| 5.3.1 两阶段的微-宏热点话题检测方法 | 第79-80页 |
| 5.3.2 文本选择 | 第80-82页 |
| 5.3.3 话题选择 | 第82-83页 |
| 5.3.4 细粒度与粗粒度相似性计算 | 第83-86页 |
| 5.4 TMHTD算法的Spark实现 | 第86-90页 |
| 5.4.1 数据划分 | 第87页 |
| 5.4.2 TMHTD算法的并行过程 | 第87-90页 |
| 5.5 实验评估 | 第90-95页 |
| 5.5.1 实验设置和数据集 | 第90页 |
| 5.5.2 准确性评估 | 第90-92页 |
| 5.5.3 性能评估 | 第92-95页 |
| 5.6 本章小结 | 第95-96页 |
| 第6章 面向文本挖掘的弹性云平台并行资源高效管理 | 第96-115页 |
| 6.1 引言 | 第96-97页 |
| 6.2 云弹性定义 | 第97-101页 |
| 6.2.1 概念和预备知识 | 第97-98页 |
| 6.2.2 弹性定义 | 第98-99页 |
| 6.2.3 弹性实例 | 第99页 |
| 6.2.4 与弹性相关的属性 | 第99-101页 |
| 6.3 面向文本挖掘的云弹性测量模型 | 第101-107页 |
| 6.3.1 基于文本挖掘过程的排队论模型 | 第101-103页 |
| 6.3.2 云平台弹性测量模型 | 第103-107页 |
| 6.3.3 相关性能指标 | 第107页 |
| 6.4 模型性能评估 | 第107-111页 |
| 6.4.1 到达率影响效果 | 第107-108页 |
| 6.4.2 服务率影响效果 | 第108-109页 |
| 6.4.3 虚拟机启动速率影响效果 | 第109-110页 |
| 6.4.4 虚拟机关闭率影响效果 | 第110-111页 |
| 6.5 模型性能仿真评估 | 第111-113页 |
| 6.5.1 仿真器的设计 | 第111-112页 |
| 6.5.2 仿真结果与分析 | 第112-113页 |
| 6.6 真实环境下的模型性能评估 | 第113-114页 |
| 6.6.1 实验环境 | 第113页 |
| 6.6.2 实验过程和结果 | 第113-114页 |
| 6.7 本章小结 | 第114-115页 |
| 总结与展望 | 第115-118页 |
| 参考文献 | 第118-128页 |
| 附录A 发表论文和参加科研情况说明 | 第128-129页 |
| 附录B 攻读学位期间所参与的科研项目 | 第129-130页 |
| 致谢 | 第130-131页 |
