分布式環(huán)境下基于文本的海量數(shù)據(jù)挖掘.pdf

1、數(shù)據(jù)挖掘一直以來(lái)都是計(jì)算機(jī)領(lǐng)域的一個(gè)研究熱點(diǎn)。近年來(lái),隨著Web2.0應(yīng)用的普及和云計(jì)算的發(fā)展,互聯(lián)網(wǎng)已經(jīng)進(jìn)入了大數(shù)據(jù)時(shí)代,數(shù)據(jù)的產(chǎn)生、傳輸、存儲(chǔ)、訪問(wèn)和處理方式產(chǎn)生了明顯的變化。傳統(tǒng)的數(shù)據(jù)挖掘方法在數(shù)據(jù)源異構(gòu)、數(shù)據(jù)規(guī)模急劇膨脹的大數(shù)據(jù)時(shí)代,正面臨嚴(yán)峻的挑戰(zhàn)。本文提出了一套完整的分布式環(huán)境下基于文本的數(shù)據(jù)挖掘方法,實(shí)現(xiàn)了海量文本數(shù)據(jù)從數(shù)據(jù)抽取、預(yù)處理、搭建數(shù)據(jù)倉(cāng)庫(kù)到數(shù)據(jù)挖掘的全過(guò)程,并將該方法應(yīng)用于解決微博用戶推薦問(wèn)題進(jìn)行驗(yàn)證,取得良好

2、效果。
　　廣義的數(shù)據(jù)挖掘工作通常包含兩個(gè)部分,搭建數(shù)據(jù)倉(cāng)庫(kù)和進(jìn)行數(shù)據(jù)挖掘。數(shù)據(jù)挖掘的對(duì)象通常是來(lái)自多個(gè)異構(gòu)數(shù)據(jù)源的大規(guī)模數(shù)據(jù),從數(shù)據(jù)一致性、訪問(wèn)效率等因素考慮,需要有一個(gè)統(tǒng)一的管理系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行集成、維護(hù),即數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)倉(cāng)庫(kù)的搭建包含了數(shù)據(jù)的抽取、轉(zhuǎn)換和加載,即ETL過(guò)程。傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)是基于RDBMS設(shè)計(jì)思想的,需要整合所有數(shù)據(jù)源的數(shù)據(jù)類型和數(shù)據(jù)結(jié)構(gòu),設(shè)計(jì)一個(gè)統(tǒng)一的模式(Schema),包括表結(jié)構(gòu)和外鍵等。這樣做的優(yōu)勢(shì)在

3、于可以保證數(shù)據(jù)的ACID性質(zhì)。但是在大數(shù)據(jù)背景下,數(shù)據(jù)源復(fù)雜,異構(gòu)性強(qiáng)、數(shù)據(jù)規(guī)模擴(kuò)展迅速,從而對(duì)基于RDBMS數(shù)據(jù)倉(cāng)庫(kù)的可擴(kuò)展性、靈活性以及效率提出了新的挑戰(zhàn)。
　　在完成數(shù)據(jù)倉(cāng)庫(kù)搭建的基礎(chǔ)上,傳統(tǒng)的數(shù)據(jù)挖掘已經(jīng)形成了一整套較為成熟的算法體系,典型的算法包括分類、聚類、關(guān)聯(lián)、預(yù)測(cè)等,此外還與其他學(xué)科交叉產(chǎn)生了包括機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)。這些數(shù)據(jù)挖掘技術(shù)應(yīng)用場(chǎng)景具備一些鮮明的特點(diǎn):數(shù)據(jù)一次寫入,頻繁讀,運(yùn)算密集,而數(shù)據(jù)更新操作較少

4、。針對(duì)這些特點(diǎn),基于RDBMS設(shè)計(jì)方法保證的ACID性質(zhì)的優(yōu)勢(shì)不僅得不到充分體現(xiàn),反而成為了性能上的制約。
　　針對(duì)以上問(wèn)題,本文提出了一套分布式環(huán)境下,基于文本的數(shù)據(jù)倉(cāng)庫(kù)搭建與數(shù)據(jù)挖掘的方案。首先,在數(shù)據(jù)倉(cāng)庫(kù)搭建方面,本文提出一種在分布式環(huán)境下快速搭建數(shù)據(jù)倉(cāng)庫(kù)的方法,利用MapReduce完成整個(gè)ETL過(guò)程;同時(shí)摒棄了RDBMS而使用NoSQL數(shù)據(jù)庫(kù)集群作為數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ),從而保證了系統(tǒng)的可擴(kuò)展性和運(yùn)行效率。其次,借鑒搜索引擎的