检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:赵航 尹铁源[1] ZHAO Hang;YIN Tieyuan(Shenyang University of Technology,Shenyang Liaoning 110870)
机构地区:[1]沈阳工业大学信息科学与工程学院,辽宁沈阳110870
出 处:《长江信息通信》2024年第3期125-129,共5页Changjiang Information & Communications
摘 要:伴随着信息时代的飞速发展,生活中每个行业内需要处理的信息成倍递增。对于海量的数据在完全分布式的环境下计算和存储更为合适。但是在检索方面,对于中文短文本数据的检索任务时效率却略显不足。综上所述,文章设计了一种基于HBase的中文短文本快速检索方案。首先通过BTM训练出对应的主题概率分布。其次将传统的KNN文本分类结合潜在的中文语义分析,来实现短文本的潜在主题文本分类,并设计了基于MapReduce并行化KNN文本主题分类来解决海量数据计算量大的问题,最后将文本主题分类结果与ES上的Top Hits相结合,构建对应表的二级索引来避免对于原始文本数据复杂的全表扫描。从而实现快速检索。最后通过实验对比,这种方案比传统的HBase检索中文短数据的方案效率更高。With the rapid development of the information age,the amount of information that needs to be processed in every industry in daily life has multiplied.It is more suitable to calculate and store massive amounts of data in a fully distributed environment.However,in terms of retrieval,the efficiency of retrieval tasks for Chinese short text data is slightly insufficient.In summary,this article designs a fast Chinese short text retrieval scheme based on HBase.Firstly,the corresponding topic probability distribution is trained through BTM.Secondly,traditional KNN text classification is combined with latent semantic analysis to achieve latent topic classification of short texts.Finally,combine the text topic classification results with the Top Hits on ES to construct a secondary index for the corresponding table to avoid complex full table scans of the original text data.Thus achieving fast retrieval.Finally,through experimental comparison,this scheme is more efficient than the traditional HBase scheme for retrieving Chinese short data.
分 类 号:TP393[自动化与计算机技术—计算机应用技术]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.33