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、自然語(yǔ)言處理被認(rèn)為是大數(shù)據(jù)時(shí)代十分關(guān)鍵的技術(shù)之一,尤其對(duì)于互聯(lián)網(wǎng)上的“用戶生成內(nèi)容”進(jìn)行文本分析蘊(yùn)含著巨大的商業(yè)價(jià)值。主題模型是一類無(wú)監(jiān)督的文本處理方法,其發(fā)展經(jīng)歷了從LSI模型到p LSI模型,再到 LDA模型的研究階段。盡管用LDA模型進(jìn)行主題挖掘已經(jīng)得到了廣泛的實(shí)際應(yīng)用,但數(shù)據(jù)規(guī)模變大后效率明顯降低,在數(shù)據(jù)處理過(guò)程中,有效數(shù)據(jù)覆蓋度和執(zhí)行效率難以兼顧。
隨著分布式系統(tǒng)的發(fā)展,大規(guī)模數(shù)據(jù)計(jì)算已經(jīng)得到廣泛的運(yùn)用。近兩年發(fā)展起
2、來(lái)的Spark平臺(tái)憑借著基于內(nèi)存計(jì)算的優(yōu)勢(shì),在大規(guī)模數(shù)據(jù)機(jī)器學(xué)習(xí)領(lǐng)域受到了廣泛的青睞。原因是將中間計(jì)算結(jié)果保留在緩存,這種做法非常適合運(yùn)用到機(jī)器學(xué)習(xí)模型的反復(fù)迭代過(guò)程之中。這一技術(shù)為解決大規(guī)模數(shù)據(jù)主題挖掘的低效率問(wèn)題奠定了基礎(chǔ)。但LDA模型中Gibbs采樣的每一步執(zhí)行都強(qiáng)依賴于其他步的執(zhí)行結(jié)果,如果簡(jiǎn)單地將其分塊后并行處理,過(guò)程中并行修改同一統(tǒng)計(jì)量直接破壞了變量的一致性,而若將變量異步更新則失去了并行化的意義。可見(jiàn),強(qiáng)依賴每步執(zhí)行狀態(tài)的
3、算法模型較難并行化,這也是為何發(fā)展迅速的Spark平臺(tái)上,機(jī)器學(xué)習(xí)庫(kù)MLlib中的算法依然十分稀少的主要原因。因此,LDA模型的并行化過(guò)程存在較大的難度。
為了解決上述問(wèn)題,本文利用LDA模型中各文檔及各詞語(yǔ)獨(dú)立分布的假設(shè)條件,和 Gibbs采樣過(guò)程各變量依賴更新的特點(diǎn),創(chuàng)新性提出了解決方案,降低了LDA模型并行化過(guò)程中不一致性帶來(lái)的影響,明顯的提高了LDA模型的效率。該解決方案包含:(1)對(duì)原始數(shù)據(jù)集重構(gòu)方法;(2)對(duì)執(zhí)行過(guò)
4、程的階段性劃分方法;(3)階段內(nèi)計(jì)算和階段間變量同步的策略。具體的做法是:根據(jù)設(shè)定的并行度P和建立的詞匯表,將數(shù)據(jù)集分塊,進(jìn)而將其劃分到計(jì)算過(guò)程的P個(gè)階段之中,保證每一個(gè)階段選擇P個(gè)依賴度最小的數(shù)據(jù)塊,然后階段內(nèi)并行采樣,階段間變量同步。通過(guò)以上的方案計(jì)算直至模型收斂,得到主題分布結(jié)果。本文工作有效的解決了LDA模型在并行化中遇到的理論瓶頸,極大地改善了并行運(yùn)算中數(shù)據(jù)塊間的變量不一致性情況,為L(zhǎng)DA模型的并行化提供了理論依據(jù)。該方法也給
5、同類強(qiáng)依賴每一步狀態(tài)的算法實(shí)現(xiàn)并行化提供了思路。
此外,本文利用Spark平臺(tái)實(shí)現(xiàn)了LDA主題模型的并行化。在這基礎(chǔ)之上,考慮新浪微博文本內(nèi)容特征,采用以用戶為單元將微博內(nèi)容聚合為長(zhǎng)文本、清洗轉(zhuǎn)發(fā)內(nèi)容、TF-IDF過(guò)濾無(wú)效詞等多種處理方法提升模型效果,最終形成了一套高效的社交主題分析系統(tǒng),其性能與使用標(biāo)準(zhǔn)L DA模型進(jìn)行主題分析相比大幅提升,可供企業(yè)進(jìn)行高效的微博社交數(shù)據(jù)主題挖掘。進(jìn)一步地,可泛化用以分析其他社交平臺(tái)數(shù)據(jù)。該分
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
- 基于Spark的社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于社交網(wǎng)站的數(shù)據(jù)挖掘應(yīng)用研究——主題分析.pdf
- 基于Spark的大規(guī)模社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark并行LDA主題模型的研究.pdf
- 社交網(wǎng)絡(luò)博客主題挖掘與應(yīng)用.pdf
- 基于Spark的SQL連接優(yōu)化研究與應(yīng)用.pdf
- 基于Spark的大規(guī)模社交媒體中用戶興趣建模研究.pdf
- 基于主題模型的社交網(wǎng)絡(luò)用戶畫(huà)像分析方法.pdf
- 基于Spark文本挖掘技術(shù)的研究與應(yīng)用.pdf
- 基于社交媒體的熱點(diǎn)主題挖掘及主題演化分析.pdf
- 基于Spark的日志分析工具的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark的分布式ETL研究與應(yīng)用.pdf
- 基于SPARK的用戶特征分析.pdf
- 基于Spark數(shù)據(jù)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark的聯(lián)機(jī)分析處理的研究.pdf
- 基于Spark的機(jī)器學(xué)習(xí)應(yīng)用框架研究與實(shí)現(xiàn).pdf
- 基于Spark的協(xié)同過(guò)濾算法的研究與應(yīng)用.pdf
- 基于社交網(wǎng)絡(luò)主題影響分析的推薦算法研究和實(shí)現(xiàn).pdf
- 基于Spark的犯罪預(yù)警分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark的輿情分析架構(gòu)研究.pdf
評(píng)論
0/150
提交評(píng)論