| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11页 |
| 1.3 存在的问题和挑战 | 第11-12页 |
| 1.4 本文工作和创新点 | 第12-13页 |
| 1.5 本文组织结构 | 第13-14页 |
| 第二章 相关工作概述 | 第14-31页 |
| 2.1 搜索引擎关键词分类方法概述 | 第14-24页 |
| 2.1.1 中文文本分类的发展 | 第14页 |
| 2.1.2 关键词分类问题描述 | 第14-15页 |
| 2.1.3 关键词分类方法 | 第15-24页 |
| 2.2 分布式架构Hadoop应用概述 | 第24-28页 |
| 2.2.1 MapReduce编程模型 | 第25-26页 |
| 2.2.2 Hadoop的架构 | 第26-28页 |
| 2.3 关键词推荐模型 | 第28-30页 |
| 2.3.1 推荐模型概述 | 第28-29页 |
| 2.3.2 基于内容的推荐模型 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于Hadoop架构的关键词分类方法评估 | 第31-51页 |
| 3.1 关键词分类框架 | 第31-32页 |
| 3.2 关键词预处理 | 第32-34页 |
| 3.2.1 关键词特征分析 | 第32-33页 |
| 3.2.2 关键词中文分词处理 | 第33-34页 |
| 3.3 关键词特征提取 | 第34-37页 |
| 3.3.1 特征提取方法 | 第34-36页 |
| 3.3.2 多种特征提取组合方法 | 第36-37页 |
| 3.4 特征表示方法 | 第37-40页 |
| 3.4.1 文档特征表示方法 | 第37-39页 |
| 3.4.2 基于信息熵的加权熵值表示模型 | 第39-40页 |
| 3.5 分布式关键词分类算法 | 第40-46页 |
| 3.5.1 基于MapReduce的K-近邻算法 | 第41-44页 |
| 3.5.2 基于MapReduce的线性SVM分类 | 第44-46页 |
| 3.6 实验评估 | 第46-49页 |
| 3.6.1 实验数据 | 第46-47页 |
| 3.6.2 分类算法准确率评估 | 第47-49页 |
| 3.6.3 分布式分类算法效率评估 | 第49页 |
| 3.7 本章小结 | 第49-51页 |
| 第四章 关键词推荐算法 | 第51-59页 |
| 4.1 搜索引擎中关键词的冷启动问题 | 第51页 |
| 4.2 关键词推荐系统 | 第51-54页 |
| 4.2.1 基于分类的推荐框架 | 第51-52页 |
| 4.2.2 Top-N关键词推荐算法 | 第52-54页 |
| 4.3 实验评估 | 第54-58页 |
| 4.3.1 实验数据 | 第54-55页 |
| 4.3.2 测试评估方法 | 第55页 |
| 4.3.3 实验结果 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文结论 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |