基于并行SVM算法的中文文本分类方法研究
摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第9-14页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外现状 | 第10-12页 |
1.2.1 Hadoop研究现状 | 第10-11页 |
1.2.2 文本分类研究现状 | 第11-12页 |
1.3 本文主要工作 | 第12页 |
1.4 本文组织结构 | 第12-14页 |
第2章 相关技术与理论 | 第14-25页 |
2.1 分布式系统基础架构Hadoop | 第14-19页 |
2.1.1 分布式文件系统HDFS | 第15-17页 |
2.1.2 离线计算框架MapReduce | 第17-18页 |
2.1.3 资源管理器YARN | 第18-19页 |
2.2 文本分类理论基础 | 第19-23页 |
2.2.1 文本问题描述 | 第19页 |
2.2.2 文本分类过程 | 第19-20页 |
2.2.3 文本预处理 | 第20-21页 |
2.2.4 文本表示模型 | 第21-23页 |
2.3 本章小结 | 第23-25页 |
第3章 支持向量机及其分类过程优化 | 第25-32页 |
3.1 支持向量机原理 | 第25-27页 |
3.2 核函数以及多分类 | 第27-28页 |
3.3 算法缺陷及过程改进 | 第28-30页 |
3.4 重心-SVM算法实现步骤 | 第30-31页 |
3.5 本章小结 | 第31-32页 |
第4章 层叠支持向量机模型及其改进 | 第32-38页 |
4.1 层叠支持向量机原理 | 第32-33页 |
4.2 算法缺陷 | 第33-34页 |
4.3 改进的层叠支持向量机模型 | 第34-36页 |
4.4 重心-SVM的MapReduce实现过程 | 第36-37页 |
4.5 本章小结 | 第37-38页 |
第5章 实验 | 第38-45页 |
5.1 实验环境搭建 | 第38-40页 |
5.2 数据准备和实验方案 | 第40-41页 |
5.2.1 实验语料 | 第40页 |
5.2.2 实验方案 | 第40-41页 |
5.3 评估指标 | 第41页 |
5.4 实验结果分析 | 第41-43页 |
5.5 本章小结 | 第43-45页 |
第6章 总结和展望 | 第45-47页 |
6.1 总结 | 第45-46页 |
6.2 展望 | 第46-47页 |
参考文献 | 第47-50页 |
作者简介 | 第50-51页 |
致谢 | 第51页 |