基于Hadoop大規(guī)模中文網(wǎng)站聚類(lèi)的設(shè)計(jì)與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩54頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、文本聚類(lèi)分析是數(shù)據(jù)挖掘范疇內(nèi)的一項(xiàng)重要研究,在統(tǒng)計(jì)學(xué)、金融、生物、醫(yī)學(xué)、信息檢索及文檔分類(lèi)等業(yè)內(nèi)都已普及,同時(shí)比較熱門(mén)的還有網(wǎng)站導(dǎo)航欄、論文相似性檢測(cè)及用戶推薦等應(yīng)用。
  隨著網(wǎng)絡(luò)的快速普及,各種中文網(wǎng)站的數(shù)量都呈現(xiàn)了巨大的增長(zhǎng),人們從網(wǎng)頁(yè)上獲取的數(shù)據(jù)信息量也越來(lái)越多。由于不同的人有不同的需要和標(biāo)準(zhǔn),導(dǎo)致了數(shù)據(jù)的多樣性和質(zhì)量要求。那么,怎樣快速且高效率的從網(wǎng)頁(yè)上挖掘出我們所需的信息已成現(xiàn)階段的一個(gè)巨大挑戰(zhàn)。對(duì)文本聚類(lèi)的研究應(yīng)用為

2、此提供了一個(gè)很好的解決途徑。也正是由于數(shù)據(jù)具有海量、多樣性等特征,使得傳統(tǒng)的聚類(lèi)分析在對(duì)文本進(jìn)行聚類(lèi)處理的時(shí)候往往在時(shí)間空間上達(dá)不到理想的效果。隨著云計(jì)算的興起,采用分布式并行框架進(jìn)行聚類(lèi)處理,已被越來(lái)越多的學(xué)者研究應(yīng)用。
  Hadoop是由Apache基金會(huì)開(kāi)發(fā)的一個(gè)分布式系統(tǒng)基礎(chǔ)架構(gòu),它有兩個(gè)核心的框架設(shè)計(jì):HDFS和MapReduce。HDFS框架主要承擔(dān)著為海量的數(shù)據(jù)提供存儲(chǔ)的任務(wù),而框架MapReduce的任務(wù)就是計(jì)算

3、,且這種對(duì)海量數(shù)據(jù)的計(jì)算是并行的。本文正是基于Hadoop平臺(tái)上設(shè)計(jì)的對(duì)中文網(wǎng)站進(jìn)行聚類(lèi)分析的系統(tǒng),下面是本文的主要研究工作。
  1.對(duì)經(jīng)常使用的經(jīng)典聚類(lèi)算法思想及相關(guān)理論知識(shí)進(jìn)行介紹。詳細(xì)介紹了文本聚類(lèi)的整個(gè)流程過(guò)程及常見(jiàn)的相似性度量方法等等。
  2.深入理解Hadoop平臺(tái)的兩大核心框架及關(guān)鍵技術(shù),闡述它們間的相互聯(lián)系及運(yùn)行機(jī)制,說(shuō)明相比傳統(tǒng)單機(jī)環(huán)境下作聚類(lèi)實(shí)驗(yàn)的優(yōu)勢(shì)。
  3.搭建Hadoop分布式環(huán)境,配置

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論