| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 课题主要内容 | 第10-11页 |
| 1.2.1 研究目标 | 第10页 |
| 1.2.2 研究内容 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第二章 中英文分词和分布式存储技术分析 | 第12-28页 |
| 2.1 基于统计的中文分词技术 | 第12-17页 |
| 2.1.1 隐马尔科夫模型 | 第12-14页 |
| 2.1.2 最大熵马尔科夫模型 | 第14-16页 |
| 2.1.3 条件随机场模型 | 第16-17页 |
| 2.2 英文分词技术 | 第17-18页 |
| 2.3 典型的分布式存储系统架构 | 第18-21页 |
| 2.3.1 GFS存储架构 | 第19页 |
| 2.3.2 HBase存储架构 | 第19-21页 |
| 2.3.3 MongoDB存储架构 | 第21页 |
| 2.4 HBASE分布式数据库 | 第21-27页 |
| 2.4.1 HBase概述 | 第22-24页 |
| 2.4.2 HBase工作机制 | 第24-25页 |
| 2.4.3 HBase与其他数据库对比 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 学术资源中英文分词与分布式存储系统方案设计 | 第28-36页 |
| 3.1 学术资源中英文分词和分布式存储需求分析 | 第28-30页 |
| 3.1.1 中英文分词需求分析 | 第28-29页 |
| 3.1.2 分布式数据存储需求分析 | 第29-30页 |
| 3.2 总体方案设计 | 第30-32页 |
| 3.3 学术资源数据预处理方案设计 | 第32-33页 |
| 3.4 学术资源中英文分词方案设计 | 第33-34页 |
| 3.5 学术资源分布式数据存储方案设计 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 学术资源中英文分词与分布式存储系统的实现 | 第36-60页 |
| 4.1 数据读取模块实现 | 第36-37页 |
| 4.2 数据预处理模块实现 | 第37页 |
| 4.3 中英文分词模块实现 | 第37-46页 |
| 4.3.1 基于CRF++的中文分词实现 | 第37-40页 |
| 4.3.2 基于斯坦福分词器的中文分词封装 | 第40-42页 |
| 4.3.3 基于Lucene的英文分词封装 | 第42-44页 |
| 4.3.4 中英文分词多线程封装实现 | 第44-46页 |
| 4.4 分布式数据存储模块实现 | 第46-59页 |
| 4.4.1 中英文学术资源表结构设计 | 第46-52页 |
| 4.4.2 HBase环境搭建 | 第52-54页 |
| 4.4.3 分布式数据存储封装实现 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 分词和存储系统测试及结果分析 | 第60-66页 |
| 5.1 测试环境及测试目标 | 第60-61页 |
| 5.1.1 测试环境 | 第60-61页 |
| 5.1.2 测试目标 | 第61页 |
| 5.2 中英文分词测试与结果分析 | 第61-63页 |
| 5.2.1 中文分词功能测试 | 第61-62页 |
| 5.2.2 中文分词性能测试 | 第62-63页 |
| 5.2.3 多线程分词性能测试 | 第63页 |
| 5.3 分布式数据存储测试与结果分析 | 第63-65页 |
| 5.3.1 分布式数据存储功能测试 | 第63-64页 |
| 5.3.2 数据插入性能测试 | 第64页 |
| 5.3.3 数据查询性能测试 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70页 |