| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题背景和意义 | 第10-14页 |
| 1.2 研究内容与主要贡献 | 第14-16页 |
| 1.2.1 研究内容 | 第14-15页 |
| 1.2.2 主要贡献 | 第15-16页 |
| 1.3 论文结构 | 第16-17页 |
| 2 MinHash 算法原理 | 第17-24页 |
| 2.1 Jaccard 相似度 | 第18-19页 |
| 2.2 LSH 算法 | 第19-20页 |
| 2.3 MinHash 算法 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 Mahout 分布式平台 | 第24-36页 |
| 3.1 Mahout 分布式数据处理平台 | 第24-25页 |
| 3.1.1 推荐引擎和协作筛选 | 第24页 |
| 3.1.2 聚类 | 第24-25页 |
| 3.1.3 分类 | 第25页 |
| 3.2 MapReduce 算法模型 | 第25-27页 |
| 3.3 Mahout 平台数据预处理 | 第27-35页 |
| 3.3.1 数据预处理 | 第27-29页 |
| 3.3.2 文本文件序列化过程 | 第29-31页 |
| 3.3.3 文本文件向量化过程 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 任意文件对的精确 Jaccard 相似度计算 | 第36-43页 |
| 4.1 Jaccard 相似度集中式算法 | 第36-38页 |
| 4.2 Jaccard 相似度分布式算法 | 第38-40页 |
| 4.3 实验 | 第40-42页 |
| 4.3.1 实验过程 | 第40-41页 |
| 4.3.2 实验结果及分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 Mahout 中 MinHash 算法分析与实现 | 第43-53页 |
| 5.1 Mahout 中 MinHash 算法实现 | 第43-46页 |
| 5.1.1 MinHash 算法参数和程序绑定 | 第44-45页 |
| 5.1.2 哈希函数选取过程 | 第45页 |
| 5.1.3 MinHash 算法主逻辑过程 | 第45-46页 |
| 5.2 Mahout 中错误 MinHash 算法 | 第46-47页 |
| 5.3 Mahout 中 MinHash 算法的修正 | 第47-48页 |
| 5.4 实验 | 第48-52页 |
| 5.4.1 MinHash 算法实验结果 | 第48-49页 |
| 5.4.2 错误 MinHash 算法实验分析 | 第49-50页 |
| 5.4.3 正确 MinHash 算法实验分析 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
