海量數(shù)據(jù)的KNN文本分類算法的MapReduce實(shí)現(xiàn)研究.pdf

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