2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的快速發(fā)展,數(shù)據(jù)信息呈指數(shù)級增長,分類算法在大規(guī)模數(shù)據(jù)面前面臨著巨大的挑戰(zhàn)。當(dāng)前,國內(nèi)外的學(xué)者對分類模型與算法的研究主要集中在提高其分類的正確率以及時(shí)間空間復(fù)雜度上,然而在面對大規(guī)模數(shù)據(jù),主要問題是海量數(shù)據(jù)的存儲(chǔ)和分類計(jì)算,傳統(tǒng)的方法已經(jīng)不能滿足需求。因此研究如何快速并且高效的對海量數(shù)據(jù)進(jìn)行分類具有重要意義。本文基于Hadoop分布式計(jì)算平臺(tái),針對傳統(tǒng)樸素貝葉斯算法權(quán)重計(jì)算的缺陷,提出一種改進(jìn)的加權(quán)樸素貝葉斯算法,并運(yùn)用在統(tǒng)計(jì)

2、Web用戶訪問偏好上。
  首先介紹了課題的研究背景和意義以及國內(nèi)外研究現(xiàn)狀;然后介紹了課題涉及的相關(guān)技術(shù),包括文本分類過程中的預(yù)處理、模型表示、特征詞選擇、特征權(quán)重計(jì)算,貝葉斯理論以及樸素貝葉斯分類算法,Hadoop分布式計(jì)算平臺(tái)的相關(guān)技術(shù),主要包括HDFS分布式存儲(chǔ)和MapReduce分布式計(jì)算。
  然后,基于 Hadoop平臺(tái)提出一種針對中英文的分詞算法,在分詞過程中引入Lucene,并通過統(tǒng)計(jì)法對歧義處理。針對Ha

3、doop平臺(tái)處理小文件緩慢的缺陷,實(shí)現(xiàn)了一種將若干小文本合并成一個(gè)大文件的輸入格式,實(shí)驗(yàn)證明自定義的輸入格式能很好處理小文件輸入。針對傳統(tǒng)的樸素貝葉斯分類算法權(quán)重計(jì)算存在的缺陷,提出一種改進(jìn)的加權(quán)樸素貝葉斯分類算法,并在 Hadoop平臺(tái)通過5個(gè)MapReduce過程來實(shí)現(xiàn),在Hadoop平臺(tái)下,使用8237條數(shù)據(jù)作為數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)表明改進(jìn)的加權(quán)樸素貝葉斯分類算法在宏平均和微平均F1值上都有很好的效果。
  最后,通過研究的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論