基于Hadoop和SVM算法的中文文本分类的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 文本分类的研究现状 | 第11-12页 |
| 1.2.2 Hadoop研究现状 | 第12-13页 |
| 1.3 本论文的主要工作 | 第13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 云计算与Hadoop平台 | 第14-26页 |
| 2.1 Hadoop平台 | 第14-15页 |
| 2.2 HDFS的工作原理 | 第15-20页 |
| 2.2.1 数据块 | 第16页 |
| 2.2.2 名称节点和数据节点 | 第16-18页 |
| 2.2.3 文件读写 | 第18-20页 |
| 2.3 MapReduce的工作机制 | 第20-24页 |
| 2.3.1 MapReduce的系统架构 | 第21页 |
| 2.3.2 MapReduce的计算流程 | 第21-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 文本分类与支持向量机研究 | 第26-36页 |
| 3.1 文本分类概述 | 第26-27页 |
| 3.2 文本分类原理 | 第27-30页 |
| 3.2.1 文本预处理 | 第27-28页 |
| 3.2.2 文本特征选择 | 第28-29页 |
| 3.2.3 文本向量空间模型 | 第29-30页 |
| 3.3 支持向量机 | 第30-35页 |
| 3.3.1 支持向量机概述 | 第30-31页 |
| 3.3.2 支持向量机原理 | 第31-34页 |
| 3.3.3 支持向量机的多分类问题 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 并行中文文本分类的实现 | 第36-46页 |
| 4.1 并行化算法的设计思想 | 第36页 |
| 4.2 分布式预处理 | 第36-40页 |
| 4.2.1 预处理流程 | 第36-39页 |
| 4.2.2 预处理的MapReduce实现 | 第39-40页 |
| 4.3 特征选择 | 第40-42页 |
| 4.3.1 特征选择算法实现 | 第40-41页 |
| 4.3.2 权值计算 | 第41-42页 |
| 4.4 SVM算法实现 | 第42-45页 |
| 4.4.1 单机SVM | 第42-43页 |
| 4.4.2 并行SVM | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 实验结果与分析 | 第46-58页 |
| 5.1 实验准备 | 第46-52页 |
| 5.1.1 Hadoop平台的搭建 | 第46-52页 |
| 5.1.2 实验数据 | 第52页 |
| 5.2 实验方案 | 第52-53页 |
| 5.2.1 实验设计 | 第52-53页 |
| 5.2.2 实验步骤 | 第53页 |
| 5.3 实验结果与分析 | 第53-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录 (攻读硕士期间的学术成果) | 第66页 |
