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)的發(fā)展,互聯(lián)網(wǎng)數(shù)據(jù)呈現(xiàn)指數(shù)級增長,為了有效的組織和管理這些海量數(shù)據(jù),基于內(nèi)容的數(shù)據(jù)挖掘技術(shù)備受關(guān)注。作為一個理論完善、簡單實(shí)用的分類算法,K近鄰法常被用于文本的分類。但是,在處理海量數(shù)據(jù)時,極高的計(jì)算時間復(fù)雜度限制了KNN算法在海量數(shù)據(jù)分析任務(wù)中的應(yīng)用。近年來,隨著Hadoop技術(shù)的成熟,為解決KNN算法在文本分類時的不足提供了技術(shù)支持。
本論文首先介紹了文本分類技術(shù)中數(shù)據(jù)預(yù)處理、特征提取、文件向量表示、分類算法,
2、以及Hadoop分布式文件系統(tǒng)(HDFS)和MapReduce的相關(guān)內(nèi)容;然后詳細(xì)的闡述了KNN算法的模型和特征,并提出了一個運(yùn)用MapReduce編程模型和KNN算法來實(shí)現(xiàn)海量文本數(shù)據(jù)的分類方案;最后,采用Newsgroup-18828數(shù)據(jù)集,在Hadoop集群上實(shí)現(xiàn)了KNN算法的文本分類。
本文的貢獻(xiàn)在于深入研究了文本分類的關(guān)鍵技術(shù)和KNN算法的特征,實(shí)現(xiàn)了基于MapReduce編程模型的KNN算法的文本分類,通過在單機(jī)和
3、Hadoop集群上執(zhí)行KNN算法的文本分類程序,證實(shí)了在Hadoop集群上實(shí)現(xiàn)的KNN算法能夠處理海量文本數(shù)據(jù),同時對影響作業(yè)性能的Map Task內(nèi)存緩沖區(qū)大小和單節(jié)點(diǎn)TaskTracker故障進(jìn)行了分析和總結(jié)。本論文在5個節(jié)點(diǎn)上搭建Hadoop集群,設(shè)計(jì)和實(shí)施了4個實(shí)驗(yàn)方案,分析實(shí)驗(yàn)結(jié)果表明:
1)當(dāng)作業(yè)的有效計(jì)算時間占總的運(yùn)行時間比例較小時,小規(guī)模集群的優(yōu)勢顯示不出來;
2)在Hadoop集群上實(shí)現(xiàn)的KNN文本
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。
最新文檔
- 基于海量數(shù)據(jù)的文本分類算法的MapReduce實(shí)現(xiàn)研究.pdf
- 基于KNN的專利文本分類算法研究.pdf
- 基于KNN算法的文本分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于語義中心的KNN文本分類算法研究.pdf
- 基于MapReduce的KNN分類算法的研究與實(shí)現(xiàn).pdf
- 基于改進(jìn)KNN的文本分類算法的設(shè)計(jì)與實(shí)現(xiàn).pdf
- KNN文本分類研究.pdf
- 基于KNN的中文文本分類算法研究.pdf
- KNN文本分類及特征加權(quán)算法研究.pdf
- 一種改進(jìn)的KNN文本分類算法.pdf
- 基于蜂群算法和改進(jìn)KNN的文本分類研究.pdf
- 基于聚類算法的KNN文本分類系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于改進(jìn)KNN分類算法的文本分類關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- KNN文本分類中特征詞權(quán)重算法的研究.pdf
- 基于改進(jìn)哈希算法的快速KNN文本分類方法.pdf
- KNN算法的改進(jìn)及其在文本分類中的應(yīng)用.pdf
- 基于KNN的文本分類特征選擇與分類算法的研究與改進(jìn).pdf
- 文本分類中基于概念聚合的KNN算法優(yōu)化問題研究.pdf
- 基于樣本重要性原理的KNN文本分類算法.pdf
- 文本分類算法的研究與實(shí)現(xiàn).pdf
評論
0/150
提交評論