分布式環(huán)境下基于文本的海量數據挖掘.pdf

1、數據挖掘一直以來都是計算機領域的一個研究熱點。近年來,隨著Web2.0應用的普及和云計算的發(fā)展,互聯(lián)網已經進入了大數據時代,數據的產生、傳輸、存儲、訪問和處理方式產生了明顯的變化。傳統(tǒng)的數據挖掘方法在數據源異構、數據規(guī)模急劇膨脹的大數據時代,正面臨嚴峻的挑戰(zhàn)。本文提出了一套完整的分布式環(huán)境下基于文本的數據挖掘方法,實現(xiàn)了海量文本數據從數據抽取、預處理、搭建數據倉庫到數據挖掘的全過程,并將該方法應用于解決微博用戶推薦問題進行驗證,取得良好

2、效果。
　　廣義的數據挖掘工作通常包含兩個部分,搭建數據倉庫和進行數據挖掘。數據挖掘的對象通常是來自多個異構數據源的大規(guī)模數據,從數據一致性、訪問效率等因素考慮,需要有一個統(tǒng)一的管理系統(tǒng)對數據進行集成、維護,即數據倉庫。數據倉庫的搭建包含了數據的抽取、轉換和加載,即ETL過程。傳統(tǒng)的數據倉庫設計是基于RDBMS設計思想的,需要整合所有數據源的數據類型和數據結構,設計一個統(tǒng)一的模式(Schema),包括表結構和外鍵等。這樣做的優(yōu)勢在

3、于可以保證數據的ACID性質。但是在大數據背景下,數據源復雜,異構性強、數據規(guī)模擴展迅速,從而對基于RDBMS數據倉庫的可擴展性、靈活性以及效率提出了新的挑戰(zhàn)。
　　在完成數據倉庫搭建的基礎上,傳統(tǒng)的數據挖掘已經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、關聯(lián)、預測等,此外還與其他學科交叉產生了包括機器學習、神經網絡等技術。這些數據挖掘技術應用場景具備一些鮮明的特點:數據一次寫入,頻繁讀,運算密集,而數據更新操作較少

4、。針對這些特點,基于RDBMS設計方法保證的ACID性質的優(yōu)勢不僅得不到充分體現(xiàn),反而成為了性能上的制約。
　　針對以上問題,本文提出了一套分布式環(huán)境下,基于文本的數據倉庫搭建與數據挖掘的方案。首先,在數據倉庫搭建方面,本文提出一種在分布式環(huán)境下快速搭建數據倉庫的方法,利用MapReduce完成整個ETL過程;同時摒棄了RDBMS而使用NoSQL數據庫集群作為數據倉庫的基礎,從而保證了系統(tǒng)的可擴展性和運行效率。其次,借鑒搜索引擎的