Hadoop調度器優(yōu)化及其在輿情分析中的應用.pdf_第1頁
已閱讀1頁,還剩77頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、新聞、微博和博客等媒體不斷產生海量的帶有情感傾向的數據,迫切需要采用數據挖掘的手段對這類信息做出及時、有效的輿情分析,以此幫助政府或者企業(yè)實施監(jiān)督和管理。如何提高針對海量數據的輿情分析效率是一個關鍵的問題,Hadoop因其具有高擴展性、可靠性以及低成本等優(yōu)點已經成為了最受關注的海量數據并行處理框架之一。然而,Hadoop目前的調度器忽略了Reduce任務的數據本地性和分區(qū)傾斜這兩個問題,導致產生額外的網絡流量,從而使得系統(tǒng)的性能大大降低

2、。為此,本文首先對Hadoop底層的調度器進行性能優(yōu)化,并在優(yōu)化后的Hadoop平臺設計并實現了輿情分析系統(tǒng),同時針對輿情分析中存在的難點進行深入研究并提出了改進的算法。本論文的主要研究內容包括:
  (1)設計了一種基于取樣評估的最小傳輸代價Reduce任務調度器(簡稱MTCRS),利用平均蓄水池取樣算法(ARS)對整體數據的取樣,構建中間數據傳輸代價模型,將取樣數據處理后得到的相關信息作為參數,計算Reduce任務的最佳啟動位

3、置。通過大量對比實驗發(fā)現,MTCRS調度器相較于Fair調度器減少了8.4%的網絡流量。
  (2)提出了一種基于互信息和改進KMeans聚類的混合輿情分析方法。首先使用停用詞和詞性標注完成特征降維,接著使用density peaks算法和二分搜索來確定KMeans的聚類數目和初始聚類中心并完成聚類,最后通過互信息提取話題,并完成情感分析和趨勢分析。在Hadoop上進行大量實驗,其中聚類效果的準確率、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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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