| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 文本分类研究现状 | 第11-12页 |
| 1.2.2 Hadoop研究现状 | 第12-13页 |
| 1.3 主要内容和组织结构 | 第13-16页 |
| 第2章 文本分类详述 | 第16-24页 |
| 2.1 文本分类的基本过程 | 第16-17页 |
| 2.2 文本预处理 | 第17-19页 |
| 2.2.1 文本分词 | 第18-19页 |
| 2.2.2 去除停用词 | 第19页 |
| 2.3 文本分类关键技术 | 第19-22页 |
| 2.3.1 文本特征选取 | 第19-20页 |
| 2.3.2 文本数据的表示 | 第20-21页 |
| 2.3.3 文本分类算法 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 TFIDF算法的特征词权重的研究与改进 | 第24-32页 |
| 3.1 特征词权重及TFIDF算法的概述 | 第24-25页 |
| 3.2 TFIDF算法研究现状 | 第25-26页 |
| 3.3 TFIDF算法及改进 | 第26-29页 |
| 3.3.1 TFIDF | 第26-27页 |
| 3.3.2 现有的TFIDF算法中存在的缺点 | 第27-28页 |
| 3.3.3 TFIDF算法的改进 | 第28-29页 |
| 3.4 实验结果及分析 | 第29-30页 |
| 3.5 本章小结 | 第30-32页 |
| 第4章 基于海量数据的文本分类算法的研究与改进 | 第32-40页 |
| 4.1 KNN文本分类算法的研究 | 第32-33页 |
| 4.1.1 现有文本分类算法的特点 | 第32页 |
| 4.1.2 现有的KNN文本分类算法 | 第32-33页 |
| 4.2 基于海量文本数据文本分类技术的改进 | 第33-36页 |
| 4.2.1 基于粗糙集的文本向量空间分布描述 | 第33-34页 |
| 4.2.2 基于关联分析的文本分类描述 | 第34-35页 |
| 4.2.3 改进的粗糙集关联分析算法 | 第35-36页 |
| 4.3 实验验证与结果分析 | 第36-38页 |
| 4.4 本章小结 | 第38-40页 |
| 第5章 Hadoop平台下的基于海量数据文本分类算法的实现 | 第40-54页 |
| 5.1 Hadoop简介 | 第40-46页 |
| 5.1.1 Hadoop生态系统 | 第40-43页 |
| 5.1.2 HDFS分布式文件系统 | 第43-44页 |
| 5.1.3 MapReduce并行计算框架 | 第44页 |
| 5.1.4 MapReduce编程模型简介 | 第44-46页 |
| 5.2 文本分类并行化分析 | 第46-47页 |
| 5.3 分布式预处理 | 第47-49页 |
| 5.3.1 预处理流程 | 第47-48页 |
| 5.3.2 预处理的MapReduce实现 | 第48-49页 |
| 5.4 并行化实现TFIDF | 第49-50页 |
| 5.5 并行化实现向量空间模型构建 | 第50-51页 |
| 5.6 并行化实现KNN分类算法 | 第51-52页 |
| 5.7 本章小结 | 第52-54页 |
| 第6章 实验环境与结果分析 | 第54-58页 |
| 6.1 环境搭建 | 第54-55页 |
| 6.1.1 实验环境 | 第54页 |
| 6.1.2 Hadoop集群环境搭建 | 第54-55页 |
| 6.2 实验结果与分析 | 第55-58页 |
| 第7章 总结 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 在学期间主要科研成果 | 第68-69页 |
| 附件 | 第69页 |