| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 Spark研究现状 | 第13-14页 |
| 1.2.2 条件随机场算法研究现状 | 第14-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第2章 相关技术介绍 | 第19-32页 |
| 2.1 Spark简介 | 第19-26页 |
| 2.1.1 Spark RDD和编程接口 | 第19-21页 |
| 2.1.2 Spark运行模式及原理 | 第21-22页 |
| 2.1.3 Spark调度管理和存储管理 | 第22-23页 |
| 2.1.4 Spark主要构件 | 第23-26页 |
| 2.2 概率图模型 | 第26-31页 |
| 2.2.1 有向图模型 | 第27页 |
| 2.2.2 贝叶斯模型 | 第27-28页 |
| 2.2.3 隐马尔可夫模型 | 第28页 |
| 2.2.4 无向图模型 | 第28-29页 |
| 2.2.5 条件随机场 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于Spark的条件随机场模型并行化与改进研究 | 第32-51页 |
| 3.1 并行生成特征字典方法 | 第32-34页 |
| 3.2 训练数据转换和中间数据缓存 | 第34-35页 |
| 3.3 并行参数训练方法 | 第35-42页 |
| 3.3.1 推断算法 | 第35-37页 |
| 3.3.2 迭代算法 | 第37-42页 |
| 3.4 并行预测方法 | 第42-44页 |
| 3.5 实验结果与分析 | 第44-50页 |
| 3.5.1 实验环境 | 第44页 |
| 3.5.2 实验数据 | 第44页 |
| 3.5.3 结果分析 | 第44-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 基于Feature Hashing和Batch-SGD的模型改进研究 | 第51-59页 |
| 4.1 Batch-SGD迭代方法 | 第51-52页 |
| 4.2 基于Feature Hashing的特征生成方法 | 第52-54页 |
| 4.3 实验结果分析 | 第54-57页 |
| 4.3.1 实验环境 | 第54-55页 |
| 4.3.2 结果分析 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
