大數(shù)據(jù)環(huán)境中知識服務(wù)及K-medoids算法改進研究.pdf

1、傳統(tǒng)知識服務(wù)主要是通過技術(shù)手段、數(shù)據(jù)資源、服務(wù)策略為用戶提供可靠、詳實的信息資料及服務(wù)。隨著網(wǎng)絡(luò)技術(shù)、計算機技術(shù)及信息技術(shù)的發(fā)展，數(shù)字信息資源與日俱增，不斷沖擊著傳統(tǒng)的知識服務(wù)模式，一些傳統(tǒng)的技術(shù)方法、服務(wù)手段已不能滿足大數(shù)據(jù)集下用戶的信息需求。本文通過對大數(shù)據(jù)時代高校圖書館知識服務(wù)所采用的技術(shù)手段、服務(wù)模式的研究，結(jié)合大數(shù)據(jù)處理的核心技術(shù)、知識聚類的關(guān)鍵算法以及數(shù)據(jù)處理平臺，提出了大數(shù)據(jù)背景下的知識服務(wù)模型，改進了大數(shù)集下知識聚類算法

2、K-medoids，設(shè)計了相應(yīng)的檢索系統(tǒng)。
　　本文的主要工作有以下幾個方面:
　　1.從大數(shù)據(jù)背景下知識服務(wù)的現(xiàn)狀出發(fā)，結(jié)合數(shù)據(jù)庫系統(tǒng)、查詢系統(tǒng)、服務(wù)系統(tǒng)等，構(gòu)建了大數(shù)據(jù)背景下的知識搜索模型，為大數(shù)據(jù)背景的知識搜索服務(wù)提供了理論參考。
　　2.針對K-medoids算法聚類時對聚類中心選擇的敏感性以及在處理大量數(shù)據(jù)集聚類過程中性能低下的缺點，提出了改進的K-Medoids知識聚類算法，并利用相關(guān)的測試文檔進行測試。測