- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、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。
- 6、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。
- 7、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
基于Spark与词语相关度的KNN文本分类算法.PDF
第28卷 第3期 计 算机 技 术 与发 展 Vol.28 No.3
2018年3月 COMPUTERTECHNOLOGY AND DEVELOPMENT Mar. 2018
基于Spark 与词语相关度的KNN文本分类算法
1 2 2 1 1
于苹苹 ,倪建成 ,韦锦涛 ,曹 博 ,姚彬修
(1.曲阜师范大学信息科学与工程学院,山东 日照 276826;
2.曲阜师范大学软件学院,山东曲阜 273100)
摘 要:针对K-最近邻(KNN)分类算法在当前大数据背景下分类效率降低、分类效果不理想的问题,提出了一种基于
Spark框架与词语相关度优化的高效KNN文本分类算法。 在相似度计算过程中,采用词语相关度将文本词语间的关系考
虑在内,对分类算法相似度计算进行优化,从而提高文本分类的准确度;依托Spark计算框架的内存处理机制,实现文本分
类的并行化,从而提高KNN文本分类算法的处理效率,同时在并行化过程中建立类别-距离向量,以进一步加快文本分类
的处理速度。 实验结果表明,Spark框架下基于词语相关度的KNN文本分类算法在保证分类效果的基础上大大提高了分
类效率,较Hadoop平台有较好的加速比,可有效地对大数据进行分类处理。
关键词:K-最近邻;词语相关度;Spark;并行化计算
中图分类号:TP391 文献标识码:A 文章编号:1673-629X(2018)03-0087-06
doi:10.3969/j.issn.1673-629X.2018.03.018
KNN Text Classification Based on Word Relatedness and
Spark Framework
1 2 2 1 1
YU Ping-ping ,NI Jian-cheng ,WEI Jin-tao ,CAO Bo ,YAO Bin-xiu
(1.School of Information Science and Engineering,Qufu Normal University,Rizhao276826,China;
2.School of Software Engineering,Qufu Normal University,Qufu273100,China)
Abstract:In view of theproblemthatK-nearestneighbor (KNN)classificationalgorithmisnot satisfactoryandinefficientunderthebig
data background,we put forwardahighly efficient algorithm of KNNbased on Spark framework andwordrelatedness.In thecalculation
of the similarity,taking into the relationship between the words account by using the word relatedness,the similarity calculation of the
classification algorithm isoptimized toimprovetheaccuracy ofthet
文档评论(0)