Spark MLlib java TF-IDF计算 (spark 1.5.2)
来源:互联网 发布:如何做淘宝店铺 编辑:程序博客网 时间:2024/06/01 10:13
import java.util.Arrays;import java.util.List;import org.apache.spark.SparkConf;import org.apache.spark.api.java.JavaRDD;import org.apache.spark.api.java.JavaSparkContext;import org.apache.spark.api.java.function.Function;import org.apache.spark.mllib.feature.HashingTF;import org.apache.spark.mllib.feature.IDF;import org.apache.spark.mllib.feature.IDFModel;import org.apache.spark.mllib.linalg.Vector;public class Test {/* * tf-idf含义 * TF-IDF是一种特征向量化方法,这种方法多用于文本挖掘, * 通过算法可以反应出词在语料库中某个文档中的重要性。 * 文档中词记为t,文档记为d , 语料库记为D . 词频TF(t,d) 是词t 在文档d 中出现的次数。 * 文档频次DF(t,D) 是语料库中包括词t的文档数。如果使用词在文档中出现的频次表示词的重要程度, * 那么很容易取出反例,即有些词出现频率高反而没多少信息量, 如,”a” , “the” , “of” 。 * 如果一个词在语料库中出现频率高,说明它在特定文档集中信息量很低。 * 逆文档频次(inverse document frequency)是词所能提供的信息量的一种度量 * */public static void main(String[] args) {SparkConf conf = new SparkConf();conf.setAppName("WordCounter").setMaster("local");JavaSparkContext sc = new JavaSparkContext(conf);final HashingTF hashingTF = new HashingTF();/* hello mllibsparkgoodBye sparkhello sparkgoodBye spark */JavaRDD<String> text = sc.textFile("C:/Users/dulinan/Desktop/spam1.txt");JavaRDD<Vector> tf = text.map(new Function<String, Vector>() {@Override public Vector call(String v1) throws Exception { return hashingTF.transform(Arrays.asList(v1.split(" "))); }}); IDFModel idf = new IDF().fit(tf); JavaRDD<Vector> tfIdf = idf.transform(tf); List<Vector> list = tfIdf.collect(); System.out.println(list);}}
0 0
- Spark MLlib java TF-IDF计算 (spark 1.5.2)
- spark mllib 中的tf-idf算法计算文档相似度
- 【Spark Mllib】TF-IDF&Word2Vec——文本相似度
- Spark MLlib TF-IDF算法原理及调用实例(Scala/Java/python)
- 三种文本特征提取(TF-IDF/Word2Vec/CountVectorizer)及Spark MLlib调用实例(Scala/Java/python)
- scala--三种文本特征提取(TF-IDF/Word2Vec/CountVectorizer)及Spark MLlib调用实例(Scala/Java/python)
- 使用spark的TF-IDF算法计算单词的重要性
- 使用spark TF-IDF特征计算文章间相似度
- Spark特征提取---TF-IDF
- Spark MLlib特征处理:TF-IDF 词频-逆文频---原理及实战
- Spark机器学习:TF-IDF实现原理
- Spark机器学习:TF-IDF实例讲解
- Spark-特征抽取(TF-IDF)
- Java计算TF-IDF值
- spark厦大----特征抽取: TF-IDF -- spark.ml
- Spark MLlib
- spark MLlib
- Spark MLLib
- Linux centos7下mysql安装
- myeclipse打开文件乱码
- linux系统的概况和安装
- 简述css3动画
- Integer n=new Integer(1)和int n=1的区别
- Spark MLlib java TF-IDF计算 (spark 1.5.2)
- 平稳数据
- FFMPEG命令参数
- 驼峰命名法和下划线风格的互转
- PyCharm 2016.3.2 设置vim编辑环境(Win7)
- 十进制、八进制、十六进制转换公式?
- Meterpreter使用总结(1)
- 机器学习笔记之Logistic回归算法
- bufferedReader