| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-18页 |
| ·课题研究的背景 | 第11-12页 |
| ·课题研究的目的及意义 | 第12页 |
| ·课题的研究现状及其发展趋势 | 第12-16页 |
| ·KNN算法进行文本分类的发展过程研究现状 | 第12-15页 |
| ·MapReduce技术现状及其发展趋势 | 第15-16页 |
| ·论文的组织结构 | 第16-18页 |
| 2 MapReduce技术概述 | 第18-33页 |
| ·MapReduce技术简介 | 第18-21页 |
| ·MapReduce技术的基本原理 | 第18-19页 |
| ·MapReduce任务的执行过程 | 第19-21页 |
| ·MapReduce架构优势 | 第21-24页 |
| ·容错性实现机制 | 第21-23页 |
| ·MapReduce任务相关操作实现机制 | 第23-24页 |
| ·MapReduce相关技术解析 | 第24-32页 |
| ·MapReduce中Shuffle和Sort操作 | 第24-27页 |
| ·MapReduce二次排序操作 | 第27-32页 |
| ·总结 | 第32-33页 |
| 3 KNN分类算法 | 第33-41页 |
| ·文本自动分类过程的概述 | 第33-36页 |
| ·文本自动分类的基本过程 | 第33-34页 |
| ·KNN算法分类思想 | 第34-36页 |
| ·基于KNN算法分类过程描述 | 第36-39页 |
| ·KNN算法的分类过程 | 第36-38页 |
| ·改进的KNN的分类过程 | 第38-39页 |
| ·KNN评估方法 | 第39-40页 |
| ·总结 | 第40-41页 |
| 4 MapReduce实现KNN算法的过程 | 第41-61页 |
| ·预处理训练集文档的MapReduce过程 | 第41-46页 |
| ·样本文档预处理过程 | 第42-44页 |
| ·特征向量化样本文档的MapReduce实现 | 第44-46页 |
| ·特征向量化未分类文档的MapReduce实现 | 第46-52页 |
| ·MapReduce实现未分类文档分词处理操作 | 第46-50页 |
| ·Map和Reduce数据类型处理过程 | 第50-52页 |
| ·MapReduce实现KNN自动分类 | 第52-60页 |
| ·余弦定理的MapReduce实现 | 第53-58页 |
| ·KNN分类过程的MapReduce实现 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 5 实验和分析 | 第61-75页 |
| ·基于小规模数据实验分析 | 第61-69页 |
| ·实验环境 | 第61-62页 |
| ·实验过程 | 第62-68页 |
| ·KNN的java实现 | 第68-69页 |
| ·基于大规模文档实验分析 | 第69-74页 |
| ·对比实验 | 第69-71页 |
| ·实验结果分析 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 6 总结与展望 | 第75-77页 |
| 参考文献 | 第77-79页 |
| 附录A | 第79-81页 |
| 作者简历 | 第81-83页 |
| 学位论文数据集 | 第83页 |