一种高效的文本数据挖掘方法
文献类型:专利
作者 | 杨风雷 ; 黎建辉 ; 吴开超 ; 薛正华 ; 张波 |
发表日期 | 2011-11-28 |
专利号 | CN102402606A |
权利人 | 中国科学院计算机网络信息中心 |
中文摘要 | 本发明公开了一种高效的文本数据挖掘方法,属于信息技术领域。本方法为:1)文件预处理阶段将内容经分词后的原文件合并为若干新文件;2)数据映射阶段计算每一词语在新文件中的总频数、在其中每一原文件中的频数及相对频率pr等,并将结果发送到重定向模块中;3)重定向阶段计算每一Reduce任务的负载量payload,并为每一Reduce任务设置一负载指示器payi;4)判断当前词语是否已分配了Reduce任务;如果未分配,则将其分配给Reducej,且payj+pr*100≤payload成立;然后更新Reducej的负载指示payj;否则将当前词语分配给相应Reducei任务;5)数据规约阶段对分配的词语计算其最终的频数等参数;6)根据数据规约结果,提取设定范围内频数大于设定阈值的词语。本发明大大提高频数计算、数据挖掘效率。 |
公开日期 | 2012-04-04 |
申请日期 | 2011-11-28 |
专利申请号 | 201110385415.1 |
专利代理 | 北京君尚知识产权代理事务所(普通合伙) 11200 |
源URL | [http://ircnic.ac.cn/handle/311056/1874] |
专题 | 计算机网络信息中心_中国科学院计算机网络信息中心(2012年前)_专利 |
推荐引用方式 GB/T 7714 | 杨风雷,黎建辉,吴开超,等. 一种高效的文本数据挖掘方法. CN102402606A. 2011-11-28. |
入库方式: OAI收割
来源:计算机网络信息中心
浏览0
下载0
收藏0
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。