| 内容摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 论文的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本论文的主要工作 | 第13页 |
| 1.4 本论文的组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 文本分类方法与评估 | 第15-26页 |
| 2.1 文本分类概述 | 第15页 |
| 2.2 文本预处理 | 第15-20页 |
| 2.2.1 文本标签处理 | 第16页 |
| 2.2.2 中文分词技术 | 第16-17页 |
| 2.2.3 文本表示 | 第17-20页 |
| 2.3 特征选择方法 | 第20-22页 |
| 2.3.1 频率法 | 第20页 |
| 2.3.2 互信息 | 第20-21页 |
| 2.3.3 卡方统计 | 第21页 |
| 2.3.4 信息增益 | 第21-22页 |
| 2.4 文本分类算法 | 第22-24页 |
| 2.4.1 朴素贝叶斯算法 | 第22-23页 |
| 2.4.2 K最近邻算法 | 第23页 |
| 2.4.3 支持向量机算法 | 第23-24页 |
| 2.5 分类结果评价标准 | 第24-25页 |
| 2.6 小结 | 第25-26页 |
| 第三章 Hadoop分布式平台 | 第26-38页 |
| 3.1 Hadoop系统概述 | 第26页 |
| 3.1.1 Hadoop的产生背景 | 第26页 |
| 3.2 Hadoop架构 | 第26-33页 |
| 3.2.1 文件系统HDFS | 第27-30页 |
| 3.2.2 资源管理系统YARN | 第30-33页 |
| 3.3 MapReduce并行计算模型原理 | 第33-37页 |
| 3.3.1 MapReduce框架基本思想 | 第33-34页 |
| 3.3.2 MapReduce的功能说明 | 第34-35页 |
| 3.3.3 MapReduce的运行机制 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于共现性的LDA短文本分类方法 | 第38-45页 |
| 4.1 短文本结构分析 | 第38-39页 |
| 4.2 基于共现关系的词频特征选择方法 | 第39-41页 |
| 4.2.1 特征词词频因子 | 第39-40页 |
| 4.2.2 主题间特征词分布因子 | 第40页 |
| 4.2.3 主题内特征分布因子 | 第40-41页 |
| 4.3 基于共现关系的LDA方法 | 第41-44页 |
| 4.3.1 共现关系分析 | 第41-42页 |
| 4.3.2 基于共现性的权重调整 | 第42-43页 |
| 4.3.3 基于共现关系的LDA分类方法结构框架 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 开发环境与Hadoop分布式系统平台实验环境搭建 | 第45-49页 |
| 5.1 开发环境搭建 | 第45页 |
| 5.1.1 硬件配置 | 第45页 |
| 5.1.2 开发环境 | 第45页 |
| 5.2 Hadoop分布式系统平台实验环境搭建 | 第45-48页 |
| 5.2.1 VMware虚拟机上部署Ubuntu集群 | 第45-47页 |
| 5.2.2 Hadoop分布式平台安装和部署 | 第47-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 本文分类方法的MapReduce实现及结果分析 | 第49-61页 |
| 6.1 算法的分布式结构设计与代码结构 | 第49-55页 |
| 6.2 实验结果及性能分析 | 第55-60页 |
| 6.2.1 共现性LDA分类方法实验结果分析 | 第56-59页 |
| 6.2.2 Hadoop平台下的共现性LDA分类方法性能分析 | 第59-60页 |
| 6.3 本章小结 | 第60-61页 |
| 第七章 结语与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 后记 | 第65页 |
