| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究的主要内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 邮件过滤技术 | 第17-30页 |
| 2.1 数据挖掘关键技术研究 | 第17-20页 |
| 2.1.1 数据挖掘概述 | 第17-18页 |
| 2.1.2 数据挖掘发展历程 | 第18页 |
| 2.1.3 数据挖掘常用的方法 | 第18-20页 |
| 2.2 中文邮件文本信息预处理 | 第20-23页 |
| 2.2.1 中文分词的主要方法 | 第20-22页 |
| 2.2.2 特征词提取 | 第22-23页 |
| 2.3 Hadoop分布式平台分析 | 第23-29页 |
| 2.3.1 HDFS分布式文件系统分析 | 第23-26页 |
| 2.3.2 MapReduce框架分析 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 Hadoop平台贝叶斯算法分类研究 | 第30-45页 |
| 3.1 贝叶斯技术原理 | 第30-33页 |
| 3.1.1 贝叶斯技术历史概述 | 第30页 |
| 3.1.2 贝叶斯相关定义和公式 | 第30-33页 |
| 3.2 朴素贝叶斯文本分类 | 第33-38页 |
| 3.2.1 两种分类器 | 第33-36页 |
| 3.2.2 两种事件模型 | 第36-38页 |
| 3.3 朴素贝叶斯算法在邮件过滤中的应用 | 第38-44页 |
| 3.3.1 模型构建 | 第38-39页 |
| 3.3.2 朴素贝叶斯算法的优缺点 | 第39-40页 |
| 3.3.3 模型优化 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 Hadoop平台邮件过滤流程设计 | 第45-59页 |
| 4.1 MapReduce分布式编程模型 | 第45页 |
| 4.2 优化算法的MapReduce模型 | 第45-52页 |
| 4.2.1 朴素贝叶斯邮件过滤算法设计 | 第45-47页 |
| 4.2.2 MapReduce模型的邮件预处理模块 | 第47-51页 |
| 4.2.3 MapReduce模型的邮件训练模块 | 第51-52页 |
| 4.2.4 MapReduce模型的邮件过滤模块 | 第52页 |
| 4.3 实验环境搭建 | 第52-58页 |
| 4.3.1 Hadoop云计算平台 | 第52-53页 |
| 4.3.2 Hadoop平台搭建流程 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 实验结果及其分析 | 第59-65页 |
| 5.1 实验语料 | 第59页 |
| 5.2 数据评价指标 | 第59-60页 |
| 5.3 实验结果展示 | 第60-62页 |
| 5.4 实验结果分析 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第71-72页 |
| 致谢 | 第72-73页 |