基于AP算法的文本聚类研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景 | 第10-13页 |
| 1.2 研究目标和意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 论文结构 | 第15-18页 |
| 第2章 相关技术研究 | 第18-36页 |
| 2.1 文本聚类过程中相关技术 | 第18-28页 |
| 2.1.1 分词预处理过程 | 第19-20页 |
| 2.1.2 特征项选择与降维 | 第20-22页 |
| 2.1.3 特征项权重计算方法 | 第22-23页 |
| 2.1.4 文本的表示模型 | 第23-24页 |
| 2.1.5 文本相似度计算方法 | 第24-25页 |
| 2.1.6 文本聚类算法研究 | 第25-28页 |
| 2.2 AP算法研究 | 第28-32页 |
| 2.2.1 AP算法原理 | 第28-30页 |
| 2.2.2 AP算法的执行流程 | 第30-31页 |
| 2.2.3 AP算法相关研究 | 第31-32页 |
| 2.3 Hadoop及MapReduce介绍 | 第32-34页 |
| 2.3.1 Hadoop平台简介 | 第32-33页 |
| 2.3.2 HDFS分布式文件系统 | 第33页 |
| 2.3.3 MapReduce编程模型 | 第33-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 文本聚类前期处理 | 第36-48页 |
| 3.1 文本聚类流程 | 第36-38页 |
| 3.2 分词预处理过程 | 第38-40页 |
| 3.3 TF-IDF计算过程 | 第40-43页 |
| 3.3.1 TF-IDF原理 | 第40页 |
| 3.3.2 计算过程 | 第40-43页 |
| 3.4 分区过程 | 第43-45页 |
| 3.4.1 分区原理 | 第43-44页 |
| 3.4.2 分区实现过程 | 第44-45页 |
| 3.5 文本相似度计算过程 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 应用AP算法聚类及优化 | 第48-62页 |
| 4.1 AP算法MapReduce实现难点 | 第48-49页 |
| 4.1.1 AP算法的特点 | 第48-49页 |
| 4.1.2 并行实现的要求 | 第49页 |
| 4.2 AP算法实现过程 | 第49-55页 |
| 4.2.1 实现原理 | 第49-51页 |
| 4.2.2 实现过程 | 第51-55页 |
| 4.3 AP算法优化 | 第55-60页 |
| 4.3.1 剪枝优化 | 第55-57页 |
| 4.3.2 执行优化 | 第57-59页 |
| 4.3.3 停止更新、发送已收敛值 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 实验结果及分析 | 第62-70页 |
| 5.1 实验环境配置 | 第62-63页 |
| 5.2 实验数据集 | 第63-64页 |
| 5.3 实验效果分析 | 第64-68页 |
| 5.3.1 前期处理分析 | 第64-65页 |
| 5.3.2 分区效果分析 | 第65-66页 |
| 5.3.3 相似度计算分析 | 第66-67页 |
| 5.3.4 聚类算法分析 | 第67-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78页 |
