| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景与研究意义 | 第11-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 研究目标与研究内容 | 第18-20页 |
| 1.3.1 研究目标 | 第18-19页 |
| 1.3.2 研究内容 | 第19-20页 |
| 1.4 论文总体框架设计 | 第20页 |
| 1.5 论文结构安排 | 第20-22页 |
| 第2章 云计算与自然语言处理 | 第22-33页 |
| 2.1 云计算 | 第22-25页 |
| 2.1.1 云计算理论研究 | 第23-24页 |
| 2.1.2 云计算应用研究 | 第24页 |
| 2.1.3 云计算平台及标准化 | 第24-25页 |
| 2.2 自然语言处理 | 第25-29页 |
| 2.2.1 中文自然语言处理 | 第26-28页 |
| 2.2.2 自然语言处理工具 | 第28-29页 |
| 2.3 基于云计算的自然语言处理 | 第29-32页 |
| 2.3.1 基于云计算的自然语言处理平台 | 第29-31页 |
| 2.3.2 基于云计算的文本相似度计算 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 文本相似度计算研究 | 第33-45页 |
| 3.1 文本处理 | 第33-40页 |
| 3.1.1 中文分词 | 第33-34页 |
| 3.1.2 去停用词 | 第34页 |
| 3.1.3 文本表示 | 第34-35页 |
| 3.1.4 文本共现词语 | 第35页 |
| 3.1.5 文本语义相似度 | 第35-37页 |
| 3.1.6 文本余弦相似度 | 第37-38页 |
| 3.1.7 文本语言网络 | 第38-40页 |
| 3.2 文本相似度计算方法 | 第40-44页 |
| 3.2.1 词语相似度计算方法 | 第41-42页 |
| 3.2.2 语句相似度计算方法 | 第42-43页 |
| 3.2.3 文本相似度计算方法 | 第43-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第4章 基于Hadoop的多特征融合文本相似度计算 | 第45-66页 |
| 4.1 基于Hadoop的多特征融合文本相似度计算算法实现 | 第45-55页 |
| 4.1.1 基于共现词语的文本相似度计算 | 第45-47页 |
| 4.1.2 基于语义相似度的文本相似度计算 | 第47-49页 |
| 4.1.3 基于余弦相似度的文本相似度计算 | 第49-50页 |
| 4.1.4 基于语言网络的文本相似度计算 | 第50-52页 |
| 4.1.5 多特征融合文本相似度计算 | 第52-55页 |
| 4.2 基于Hadoop的多特征融合文本相似度计算算法流程 | 第55页 |
| 4.3 基于Hadoop的多特征融合文本相似度计算算法示例 | 第55-59页 |
| 4.4 基于Hadoop的多特征融合文本相似度计算实验分析 | 第59-65页 |
| 4.4.1 实验数据选取 | 第60页 |
| 4.4.2 实验评价标准 | 第60-64页 |
| 4.4.3 实验结果分析 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 基于Hadoop的多特征融合文本相似度计算系统 | 第66-77页 |
| 5.1 基于Hadoop的多特征融合文本相似度计算系统开发环境 | 第66-67页 |
| 5.2 基于Hadoop的多特征融合文本相似度计算系统操作流程 | 第67-68页 |
| 5.3 基于Hadoop的多特征融合文本相似度计算系统分析设计 | 第68-72页 |
| 5.4 基于Hadoop的多特征融合文本相似度计算系统操作界面 | 第72-73页 |
| 5.5 基于Hadoop的多特征融合文本相似度计算系统测试运行 | 第73-76页 |
| 5.6 本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 本文总结 | 第77-78页 |
| 后续工作展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第85页 |
