基于Spark的社交主题分析与应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究工作的背景及意义 | 第12-13页 |
| 1.2 国内外研究及发展现状 | 第13-15页 |
| 1.2.1 主题挖掘的研究 | 第13-14页 |
| 1.2.2 大规模数据计算的发展状况 | 第14-15页 |
| 1.3 本文的创新与主要贡献 | 第15-16页 |
| 1.4 本文的结构安排 | 第16-18页 |
| 第二章 大规模数据处理及Spark平台 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 分布式系统基础 | 第18-21页 |
| 2.2.1 分布式系统理念 | 第18-20页 |
| 2.2.2 分区与冗余设计 | 第20-21页 |
| 2.3 Hadoop生态系统 | 第21-25页 |
| 2.4 Spark计算平台 | 第25-28页 |
| 2.4.1 核心思想与架构 | 第25-26页 |
| 2.4.2 工作原理 | 第26页 |
| 2.4.3 编程模型 | 第26-28页 |
| 2.5 基于Spark平台的机器学习 | 第28-31页 |
| 2.5.1 Spark MLlib简介 | 第28-29页 |
| 2.5.2 Spark MLlib架构 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 微博社交主题挖掘与并行化方法 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 主题模型基础 | 第32-34页 |
| 3.2.1 词袋模型 | 第32-33页 |
| 3.2.2 主题模型原理 | 第33-34页 |
| 3.2.3 主题模型的相关应用 | 第34页 |
| 3.3 基于LDA模型的主题分析 | 第34-43页 |
| 3.3.1 文本建模相关基础 | 第34-35页 |
| 3.3.2 词生成模型与LDA | 第35-37页 |
| 3.3.3 求解过程 | 第37-38页 |
| 3.3.4 Gibbs采样训练LDA模型 | 第38-43页 |
| 3.4 社交微博的User- LDA模型 | 第43-45页 |
| 3.4.1 新浪微博场景特征 | 第43页 |
| 3.4.2 User-LDA模型 | 第43-45页 |
| 3.5 主题模型并行化思考 | 第45-47页 |
| 3.5.1 LDA模型并行化难点 | 第45-46页 |
| 3.5.2 LDA模型并行化思路 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 LDA模型Spark平台并行化 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 数据集重构 | 第48-51页 |
| 4.2.1 词库表及索引序列建立 | 第48-49页 |
| 4.2.2 文档重排、分区与重组 | 第49-51页 |
| 4.3 阶段性划分 | 第51-52页 |
| 4.4 计算与同步 | 第52-54页 |
| 4.5 实验效果评测 | 第54-57页 |
| 4.5.1 实验数据选取 | 第54-55页 |
| 4.5.2 实验软硬件环境 | 第55页 |
| 4.5.3 误差评测效果 | 第55-57页 |
| 4.5.4 性能评测效果 | 第57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 基于Spark的社交主题分析系统 | 第59-66页 |
| 5.1 引言 | 第59页 |
| 5.2 数据的获取 | 第59-60页 |
| 5.3 数据预处理 | 第60-63页 |
| 5.3.1 数据清洗 | 第60-62页 |
| 5.3.2 词频、IDF方法无效词语过滤 | 第62-63页 |
| 5.3.3 数据整合 | 第63页 |
| 5.4 主题挖掘 | 第63页 |
| 5.5 主题词分布统计 | 第63-65页 |
| 5.6 本章小结 | 第65-66页 |
| 第六章 主题分析系统效果评价 | 第66-76页 |
| 6.1 引言 | 第66页 |
| 6.2 效果评价 | 第66-67页 |
| 6.2.1 性能评测方法 | 第66页 |
| 6.2.2 应用价值 | 第66页 |
| 6.2.3 评测软硬件环境 | 第66-67页 |
| 6.3 酒鬼酒粉丝微博主题分析 | 第67-71页 |
| 6.3.1 主题分析背景 | 第67页 |
| 6.3.2 实验数据选取 | 第67页 |
| 6.3.3 性能评测 | 第67-68页 |
| 6.3.4 应用价值验证 | 第68-71页 |
| 6.4 wacom粉丝微博主题分析 | 第71-75页 |
| 6.4.1 主题分析背景 | 第71页 |
| 6.4.2 实验数据选取 | 第71页 |
| 6.4.3 性能评测 | 第71-72页 |
| 6.4.4 应用价值验证 | 第72-75页 |
| 6.5 本章小结 | 第75-76页 |
| 第七章 总结与展望 | 第76-78页 |
| 7.1 工作总结 | 第76页 |
| 7.2 工作展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士期间的成果 | 第83-84页 |
