云框架下的文本挖掘算法并行化研究.pdf

1、隨著信息社會(huì)的發(fā)展，數(shù)據(jù)規(guī)模不斷增長，其中主要是以文本的形式存在。如何在有效時(shí)間內(nèi)從大規(guī)模文本中挖掘有用信息成為熱點(diǎn)研究問題，因此，文本挖掘的并行化研究越來越受到關(guān)注。近幾年已經(jīng)有許多基于MapReduce的文本挖掘算法并行化的實(shí)現(xiàn)，能夠處理大規(guī)模文本，但是仍然存在并行化效率不高、算法實(shí)現(xiàn)困難等諸多問題?；谛乱淮鷥?nèi)存大數(shù)據(jù)處理架構(gòu)Spark，本文提出新型的大規(guī)模文本挖掘并行化算法，主要目的就是在保證文本挖掘精度（有效性）的基礎(chǔ)上提高挖

2、掘效率。
　　文本聚類與分類技術(shù)是文本挖掘的基礎(chǔ)和核心，針對(duì)傳統(tǒng)文本聚類/分類算法在處理大規(guī)模文本時(shí)速度緩慢甚至無法處理問題，本文完成了如下幾個(gè)方面的工作：
　　（1）研究了大規(guī)模數(shù)據(jù)并行處理技術(shù)。首先分析了傳統(tǒng)并行框架Hadoop的分布式文件系統(tǒng)HDFS和并行計(jì)算MapReduce模型，而后重點(diǎn)研究了新一代并行計(jì)算系統(tǒng)Spark的關(guān)鍵技術(shù)：彈性分布式數(shù)據(jù)集RDD以及Spark編程模型。
　　（2）對(duì)文本聚類與分類相關(guān)

3、技術(shù)進(jìn)行了研究，其中對(duì)文本聚類和分類的處理流程進(jìn)行了詳細(xì)分析和說明。
　?。?）基于Spark的編程框架，設(shè)計(jì)了K-Means文本聚類和Naive Bayes文本分類并行化處理算法，對(duì)系統(tǒng)進(jìn)行了優(yōu)化，與基于Hadoop的實(shí)現(xiàn)進(jìn)行了性能對(duì)比。
　　基于集群的實(shí)驗(yàn)結(jié)果表明，本文提出的基于Spark的文本挖掘并行化算法在保證有效性和準(zhǔn)確性的基礎(chǔ)上，切實(shí)提高了大規(guī)模文本挖掘效率，同時(shí)算法本身具有高可靠性和易擴(kuò)展性的優(yōu)點(diǎn)。與基于Had