基于Spark的文本譜聚類算法并行化研究.pdf_第1頁
已閱讀1頁,還剩53頁未讀, 繼續(xù)免費閱讀

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)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著信息技術(shù)的飛速發(fā)展,互聯(lián)網(wǎng)上的數(shù)據(jù)呈現(xiàn)爆炸式增長,其中大部分?jǐn)?shù)據(jù)以文本信息的形式存在。在大數(shù)據(jù)的時代背景下,面對大規(guī)模的文本數(shù)據(jù),傳統(tǒng)的單機(jī)串行式文本聚類算法在存儲和計算速度方面存在瓶頸。隨著分布式計算框架(如Hadoop,Spark等)的出現(xiàn),為傳統(tǒng)的算法提供了并行化的解決方案?;趫D論的譜聚類算法克服了一些傳統(tǒng)聚類算法的缺點,能夠在任意形狀的樣本空間得到聚類結(jié)果的全局最優(yōu)解。結(jié)合譜聚類算法和分布式計算框架Spark,對大規(guī)模的文

2、本數(shù)據(jù)集用并行化譜聚類算法進(jìn)行聚類。
  Apache Spark是一個通用的并行計算框架,通過內(nèi)存計算能極大地提高大數(shù)據(jù)計算的速度。在Spark計算框架上實現(xiàn)基于譜聚類算法的并行化,利用Spark計算平臺的可伸縮性和基于內(nèi)存計算等特點,將譜聚類算法結(jié)合Spark計算框架應(yīng)用在文本聚類中,實現(xiàn)對海量文本數(shù)據(jù)進(jìn)行并行處理和文本聚類,使譜聚類算法能夠適應(yīng)數(shù)據(jù)規(guī)模的擴(kuò)展,并提高文本聚類的性能。
  相對于傳統(tǒng)的聚類方法(如K-Me

3、ans算法),實驗結(jié)果顯示基于圖論和矩陣計算的譜聚類算法在文本聚類中的查準(zhǔn)率、查全率以及F值等方面的聚類效果要好于其他聚類算法。結(jié)合Spark編程模型和譜聚類算法相互依賴的步驟分解,分別研究設(shè)計了并行化的文本向量間的相似矩陣計算、拉普拉斯矩陣的最小前k個特征值對應(yīng)的特征向量分解和降維后的特征矩陣的K-Means聚類。分析各步驟的時間復(fù)雜度,統(tǒng)計不同規(guī)模集群下算法運(yùn)行時間的加速比。實驗結(jié)果表明,基于Spark的譜聚類算法在文本聚類中具有良

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