一種MapReduce并行化大數(shù)據(jù)文本分類方法

基本信息

申請?zhí)?/td> CN201510297189.X 申請日 -
公開（公告）號 CN104866606A 公開（公告）日 2015-08-26
申請公布號 CN104866606A 申請公布日 2015-08-26
分類號 G06F17/30(2006.01)I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 朱信忠;徐慧英;趙建民;陳遠(yuǎn)超 申請（專利權(quán)）人 浙江師大計(jì)海新技術(shù)有限公司
代理機(jī)構(gòu) 杭州金道專利代理有限公司 代理人 趙芳
地址 321000 浙江省金華市婺城區(qū)丹光西路239號5幢2單元602室
法律狀態(tài) -

摘要

摘要 一種MapReduce并行化大數(shù)據(jù)文本分類方法，包括如下步驟：第一步：建立用于文本分類的基準(zhǔn)測試數(shù)據(jù)集，進(jìn)行數(shù)據(jù)預(yù)處理，包括分詞、去停用詞、詞根還原；將該基準(zhǔn)測試數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練文本和測試文本，將所述基準(zhǔn)測試數(shù)據(jù)集采用向量空間模型建立文本表示模型；第二步：根據(jù)上述文本表示模型采用CDMT對所述基準(zhǔn)測試數(shù)據(jù)集進(jìn)行特征選擇；第三步：采用貝葉斯分類器對所述基準(zhǔn)測試數(shù)據(jù)集進(jìn)行訓(xùn)練學(xué)習(xí)，得到分類結(jié)果。本發(fā)明提供一種分類性能良好、區(qū)分度較高的MapReduce并行化大數(shù)據(jù)文本分類方法。