[发明专利]一种基于Hadoop的文档分类方法有效
| 申请号： | 201210072522.3 | 申请日： | 2012-03-19 |
| 公开（公告）号： | CN102637205A | 公开（公告）日： | 2012-08-15 |
| 发明（设计）人： | 高阳;江凯;杨育彬;商琳 | 申请（专利权）人： | 南京大学;南京大学江阴信息技术研究院 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 夏雪 |
| 地址： | 210046 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Hadoop的文档分类方法，包括如下步骤：对训练用文档集进行预处理，将原始的文档转化成向量形式；将向量形式的数据上传至集群文件系统；所述集群文件系统对向量形式的数据进行分块处理；对分块处理后的数据进行map-reduce处理过程得到统计信息；根据统计信息训练分类器；利用得到的分类器对测试用的文档进行分类。本发明能够利用大量无标记的文本提高分类器的分类准确度；能够利用集群和并行计算模型提高训练分类器的速度。 | ||
| 搜索关键词： | 一种 基于 hadoop 文档 分类 方法 | ||
【主权项】：
一种基于Hadoop的文档分类方法，其特征在于，包括如下步骤：(1)对训练用文档集进行预处理，将原始的文档转化成向量形式；(2)将向量形式的数据上传至集群文件系统；(3)所述集群文件系统对向量形式的数据进行分块处理；(4)对分块处理后的数据进行map‑reduce处理过程得到统计信息；(5)根据统计信息训练分类器；(6)利用得到的分类器对测试用的文档进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学;南京大学江阴信息技术研究院，未经南京大学;南京大学江阴信息技术研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201210072522.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种汽车发动机缸盖导油孔加工机床及其方法
- 下一篇：一种海蒿子人工育苗方法
