基于SPARK的中文文本特征提取及分类方法研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究工作的背景与意义 | 第11-13页 |
| 1.2 国内外研究历史与现状 | 第13-15页 |
| 1.2.1 文本分类技术 | 第13-14页 |
| 1.2.2 大数据存储与计算技术 | 第14-15页 |
| 1.3 本文的主要工作与创新 | 第15页 |
| 1.4 本文的结构安排 | 第15-16页 |
| 第二章 相关理论和技术 | 第16-32页 |
| 2.1 中文文本分类基本流程 | 第16-17页 |
| 2.2 中文文本预处理 | 第17-19页 |
| 2.2.1 文本分词技术 | 第17-18页 |
| 2.2.2 去除停用词 | 第18-19页 |
| 2.3 文本特征表示与选择 | 第19-21页 |
| 2.3.1 文本特征表示 | 第19-20页 |
| 2.3.2 文本特征选择 | 第20-21页 |
| 2.4 分类算法 | 第21-25页 |
| 2.4.1 朴素贝叶斯算法 | 第21-22页 |
| 2.4.2 决策树 | 第22-23页 |
| 2.4.3 随机森林 | 第23-25页 |
| 2.5 LDA主题模型 | 第25-28页 |
| 2.6 HDFS与Spark | 第28-31页 |
| 2.6.1 HDFS | 第28页 |
| 2.6.2 Spark | 第28-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 基于方差思想的特征选择方法 | 第32-39页 |
| 3.1 基于方差思想的特征选择方法的思考 | 第32-36页 |
| 3.2 基于方差思想的特征选择方法的推导 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 文本分类方法研究 | 第39-57页 |
| 4.1 基于类别向量分布的文本分类 | 第39-45页 |
| 4.1.1 朴素贝叶斯的两种文本分类模型 | 第39-42页 |
| 4.1.2 基于类别向量分布的文本分类 | 第42-45页 |
| 4.2 基于选举思想的文本分类方法 | 第45-49页 |
| 4.2.1 文本分类中的两种选举模型 | 第45-48页 |
| 4.2.2 带权重的选举模型 | 第48-49页 |
| 4.3 对基于LDA的文本分类方法的改进 | 第49-56页 |
| 4.3.1 基于LDA的文本分类方法 | 第49-51页 |
| 4.3.2 基于选举思想获取测试集的主题向量 | 第51-54页 |
| 4.3.3 通过LDA获得文档的类别投票 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 语料库处理与文本分类实验 | 第57-77页 |
| 5.1 语料库的获取 | 第57-58页 |
| 5.2 语料库的预处理 | 第58-59页 |
| 5.2.1 语料库的清理 | 第58-59页 |
| 5.2.2 语料库的数据转换 | 第59页 |
| 5.3 文本分类效果评估 | 第59-60页 |
| 5.4 基于方差思想的特征选择实验 | 第60-62页 |
| 5.5 新闻文本上的分类实验 | 第62-69页 |
| 5.5.1 基于类别向量的文本分类实验 | 第62-63页 |
| 5.5.2 基于选举思想的文本分类实验 | 第63-65页 |
| 5.5.3 对基于LDA的文本分类方法改进的实验 | 第65-69页 |
| 5.6 微博文本上的分类实验 | 第69-75页 |
| 5.6.1 基于类别向量的文本分类实验 | 第69-70页 |
| 5.6.2 基于选举思想的文本分类实验 | 第70-72页 |
| 5.6.3 对基于LDA的文本分类方法改进的实验 | 第72-75页 |
| 5.7 文本分类方法实验对比总结 | 第75-76页 |
| 5.8 本章小结 | 第76-77页 |
| 第六章 基于Spark和MLlib的方法实现 | 第77-88页 |
| 6.1 总体框架设计 | 第77页 |
| 6.2 微博文本的分类方法实现 | 第77-82页 |
| 6.3 新闻文本的分类方法实现 | 第82-85页 |
| 6.4 平台搭建和实验对比 | 第85-87页 |
| 6.5 本章小结 | 第87-88页 |
| 第七章 全文总结与展望 | 第88-90页 |
| 7.1 全文总结 | 第88-89页 |
| 7.2 未来工作展望 | 第89-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-94页 |
