原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
MapReduceKmeans聚类.ppt
一个MapReduce简单实例 MapReduce原理 MapReduce是Hadoop的分布式计算框架，处理海量数据的并行编程模式。 将任务分解在多个结点并行处理，并对结果进行归并。 MapReduce包括两个部分Map和Reduce: Map负责把任务分解成多个任务 Reduce负责把分解后多任务处理的结果汇总起来 * 语料描述：包含路透社共21578篇新闻报道，专业人员手工标注，形式化语料库。 预处理：抽取其中TITLE和BODY中的文本，即标题+正文。去除停用词，表示成以TF*IDF为权值的词向量。 聚类方法：选用K-means算法。 * 实例 - 选择经典的 Reuters21578?文本语料，对新闻内容进行文本聚类。 * 抽取的新闻文本： 文本词向量表示： 1，Map读取分配到该节点的每条数据，与中心做对比，求出该条记录对应的中心，然后以中心的ID为Key，该条数据为value将数据输出。 2，利用reduce的归并功能将相同的Key归并到一起，集中与该Key对应的数据，再求出这些数据的平均值，输出新聚类中心。 * MapReduce下K-means并行化实现 聚类结果 * Key是类簇ID，Value是文档的聚类结果：wt是文档属于簇的概率，对于kmeans总是1.0，distance是与类中心距离，/reut2-000.sgm-0.txt就是文档名，以及文档向量的各个词id和权重。
文档评论（0）