基于云平臺的知識專家圖譜的研究.pdf

1、隨著科學(xué)的發(fā)展和工程水平的提高，互聯(lián)網(wǎng)數(shù)據(jù)量也在增長，傳統(tǒng)單機(jī)處理方式已經(jīng)不能滿足，對于網(wǎng)站整體運(yùn)行情況的分析有了更多的分析角度和更精確的分析方法，本選題的研究目的即從一種更優(yōu)的視角出發(fā)。大數(shù)據(jù)時代背景下，各種文本數(shù)據(jù)正大量地出現(xiàn)在人們的日常生活中，本文針對文本摘要、參考文獻(xiàn)、關(guān)鍵詞等多維度數(shù)據(jù)挖掘，進(jìn)行整理推薦文本信息，以便提高讀者閱讀效率與質(zhì)量。
　　本文整體思想是先對文本進(jìn)行靜態(tài)聚類，使得文本信息自動歸檔，再基于用戶動態(tài)的瀏

2、覽過程做關(guān)聯(lián)規(guī)則分析，得到動態(tài)文本數(shù)據(jù)頻繁項集，最后將頻繁項集在聚類結(jié)果中分析找到其關(guān)聯(lián)規(guī)則，以提高文本信息查詢的效率，具有非常重要的應(yīng)用前景與研究意義。引用Hadoop實驗環(huán)境平臺，在現(xiàn)有的聚類算法基礎(chǔ)上做出改進(jìn)，提出了一種基于權(quán)值矩陣的FP-Growth關(guān)聯(lián)規(guī)則，通過改進(jìn)的關(guān)聯(lián)算法對文獻(xiàn)作者信息挖掘過程的處理時間及隱含信息的挖掘程度等指標(biāo)進(jìn)行實驗，改進(jìn)算法性能和時空間效率，最終得到更有效、更精準(zhǔn)的頻繁項集，以及通過改進(jìn)了的K-mea