声明
第1章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 知识管理相关研究
1.2.2 知识管理系统相关研究
1.2.3 研究评述
1.3 研究内容、技术路线及研究方法
1.3.1 研究的内容框架
1.3.2 论文的技术路线
1.3.3 研究方法
1.3.4 论文创新点
1.4 本章小结
第2章 相关理论与技术
2.1 知识管理的主要理论
2.1.1 知识管理
2.1.2 知识管理系统
2.2 数据挖掘与知识发现相关技术
2.2.1 文本挖掘
2.2.2 推荐系统技术
2.2.3 知识图谱
2.3 大数据相关技术
2.3.1 大数据平台Hadoop
2.3.2 大数据平台Spark
2.3.3 分布式数据库HBase
2.3.4 CDH大数据平台
2.4 本章小结
第3章 基于Hadoop的企业知识管理系统构建
3.1 传统的知识管理系统存在的问题
3.1.1知识文档难以个性化推荐
3.1.2 人工处理海量文本知识
3.2 基于Hadoop的企业知识管理系统的优势
3.2.1 满足用户个性化的需求
3.2.2 提升知识存储与分析的性能
3.2.3 实现面向管理决策的知识发现
3.2.4 提高系统的可扩展性
3.3 基于Hadoop的企业知识管理框架模型
3.3.1 知识创造
3.3.2 知识存储
3.3.3 知识集成
3.3.4 知识创新
3.4 基于Hadoop的企业知识管理系统设计
3.4.1 技术支撑层
3.4.2 应用层
3.5 本章小结
第4章 企业知识管理系统文档推荐模块仿真研究
4.1文档推荐模块设计思路
4.2 文档推荐引擎设计
4.2.1 文档推荐流程
4.2.2 文档推荐流程分析
4.3 文档推荐算法研究
4.3.1 基于用户的协同过滤算法
4.3.2 基于交替最小二乘的隐语义模型
4.3.3 文档推荐算法的优化与改进
4.4 实验分析
4.4.1 实验环境搭建
4.4.2 基于MapReduce的协同过滤算法实现
4.4.3 基于Spark的隐语义模型算法实现
4.4.4 结果分析
4.5 本章小结
第5章 企业知识管理系统文本挖掘模块仿真研究
5.1文本挖掘模块设计思路
5.2 文本挖掘模块设计
5.2.1 文本挖掘流程
5.2.2 文本挖掘流程分析
5.3 文本挖掘模块算法研究
5.3.1 LDA主题模型算法
5.3.2 K均值算法
5.3.3 文本挖掘算法优化
5.4 实验分析
5.4.1 基于Spark的LDA主题模型算法实现
5.4.2 Spark平台下基于LDA的k-means算法实现
5.4.3 结果分析
5.5 本章小结
总结与展望
本文总结
研究展望
参考文献
附录
攻读硕士学位期间发表的学术论文及参加的科研项目
致谢
江苏科技大学;