2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩77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、新聞、微博和博客等媒體不斷產(chǎn)生海量的帶有情感傾向的數(shù)據(jù),迫切需要采用數(shù)據(jù)挖掘的手段對(duì)這類信息做出及時(shí)、有效的輿情分析,以此幫助政府或者企業(yè)實(shí)施監(jiān)督和管理。如何提高針對(duì)海量數(shù)據(jù)的輿情分析效率是一個(gè)關(guān)鍵的問(wèn)題,Hadoop因其具有高擴(kuò)展性、可靠性以及低成本等優(yōu)點(diǎn)已經(jīng)成為了最受關(guān)注的海量數(shù)據(jù)并行處理框架之一。然而,Hadoop目前的調(diào)度器忽略了Reduce任務(wù)的數(shù)據(jù)本地性和分區(qū)傾斜這兩個(gè)問(wèn)題,導(dǎo)致產(chǎn)生額外的網(wǎng)絡(luò)流量,從而使得系統(tǒng)的性能大大降低

2、。為此,本文首先對(duì)Hadoop底層的調(diào)度器進(jìn)行性能優(yōu)化,并在優(yōu)化后的Hadoop平臺(tái)設(shè)計(jì)并實(shí)現(xiàn)了輿情分析系統(tǒng),同時(shí)針對(duì)輿情分析中存在的難點(diǎn)進(jìn)行深入研究并提出了改進(jìn)的算法。本論文的主要研究?jī)?nèi)容包括:
  (1)設(shè)計(jì)了一種基于取樣評(píng)估的最小傳輸代價(jià)Reduce任務(wù)調(diào)度器(簡(jiǎn)稱MTCRS),利用平均蓄水池取樣算法(ARS)對(duì)整體數(shù)據(jù)的取樣,構(gòu)建中間數(shù)據(jù)傳輸代價(jià)模型,將取樣數(shù)據(jù)處理后得到的相關(guān)信息作為參數(shù),計(jì)算Reduce任務(wù)的最佳啟動(dòng)位

3、置。通過(guò)大量對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),MTCRS調(diào)度器相較于Fair調(diào)度器減少了8.4%的網(wǎng)絡(luò)流量。
  (2)提出了一種基于互信息和改進(jìn)KMeans聚類的混合輿情分析方法。首先使用停用詞和詞性標(biāo)注完成特征降維,接著使用density peaks算法和二分搜索來(lái)確定KMeans的聚類數(shù)目和初始聚類中心并完成聚類,最后通過(guò)互信息提取話題,并完成情感分析和趨勢(shì)分析。在Hadoop上進(jìn)行大量實(shí)驗(yàn),其中聚類效果的準(zhǔn)確率、召回率和F1值分別是87.52

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