2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩67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、在數據集商業(yè)智能分析廣泛使用飛速增長的環(huán)境下,傳統的數據倉庫解決方案變得笨重和昂貴。得益于谷歌的開放算法,Hadoop成為一個流行的開源MapReduce實現。如雅虎,臉譜,Rackspace公司都在用其來存儲和處理大量的商業(yè)數據集。但是MapReduce編程模型仍然是在一個很低的水平,需要開發(fā)者編寫客戶端應用程序。
  論文提出了Web文本挖掘技術以及基于Hadoop的數據倉庫解決優(yōu)化的方法Zoot,以解決這個困難。論文依照We

2、b文本挖掘的過程對Web文本挖掘進行了詳細的研究,構建了一個基于可擴展標記語言(XML)和支持向量機(SVM)的Web文本挖掘模型。論文著重對Web文本預處理的過程和方法進行研究,論文提出用XML技術將Web頁面上的信息進行結構化,進而再將這些Web文本表示成計算機能夠處理的形式,提取出對文本挖掘有用的信息,縮減數據量,形成一個文本特征庫來做為Web文本挖掘的基礎。Web文本預處理的結果對Web文本挖掘的質量和效率有著很重要的影響,因此

3、,Web文本預處理階段是至關重要的,需要進行詳細而完善的研究。論文還構建了一個Web文本挖掘模型,這個基于XML和SVM的Web文本挖掘的模型主要包含了Web文本預處理和Web文本挖掘的功能,它的優(yōu)點在于它利用權威頁面的確定、XML技術以及特征提取逐步地縮小了數據量,同時得到了能夠準確表達文本內容的特征詞條集合,用支持向量機的方法降低高維數據的維數,使文本挖掘處理的數據更加精煉。Zoot支持類似于SQL查詢語言語句:HiveQL,此查詢

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