版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、傳統(tǒng)知識(shí)服務(wù)主要是通過(guò)技術(shù)手段、數(shù)據(jù)資源、服務(wù)策略為用戶提供可靠、詳實(shí)的信息資料及服務(wù)。隨著網(wǎng)絡(luò)技術(shù)、計(jì)算機(jī)技術(shù)及信息技術(shù)的發(fā)展,數(shù)字信息資源與日俱增,不斷沖擊著傳統(tǒng)的知識(shí)服務(wù)模式,一些傳統(tǒng)的技術(shù)方法、服務(wù)手段已不能滿足大數(shù)據(jù)集下用戶的信息需求。本文通過(guò)對(duì)大數(shù)據(jù)時(shí)代高校圖書館知識(shí)服務(wù)所采用的技術(shù)手段、服務(wù)模式的研究,結(jié)合大數(shù)據(jù)處理的核心技術(shù)、知識(shí)聚類的關(guān)鍵算法以及數(shù)據(jù)處理平臺(tái),提出了大數(shù)據(jù)背景下的知識(shí)服務(wù)模型,改進(jìn)了大數(shù)集下知識(shí)聚類算法
2、K-medoids,設(shè)計(jì)了相應(yīng)的檢索系統(tǒng)。
本文的主要工作有以下幾個(gè)方面:
1.從大數(shù)據(jù)背景下知識(shí)服務(wù)的現(xiàn)狀出發(fā),結(jié)合數(shù)據(jù)庫(kù)系統(tǒng)、查詢系統(tǒng)、服務(wù)系統(tǒng)等,構(gòu)建了大數(shù)據(jù)背景下的知識(shí)搜索模型,為大數(shù)據(jù)背景的知識(shí)搜索服務(wù)提供了理論參考。
2.針對(duì)K-medoids算法聚類時(shí)對(duì)聚類中心選擇的敏感性以及在處理大量數(shù)據(jù)集聚類過(guò)程中性能低下的缺點(diǎn),提出了改進(jìn)的K-Medoids知識(shí)聚類算法,并利用相關(guān)的測(cè)試文檔進(jìn)行測(cè)試。測(cè)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SOM算法改進(jìn)K-medoids算法及其研究.pdf
- 基于改進(jìn)粒計(jì)算的K-medoids聚類算法研究.pdf
- 改進(jìn)的k-medoids算法在入侵檢測(cè)中的應(yīng)用.pdf
- 基于MapReduce的K-Medoids并行算法研究.pdf
- 基于群智能的K-medoids聚類優(yōu)化算法研究.pdf
- 基于寬度優(yōu)先搜索的K-medoids聚類算法研究.pdf
- 基于Hadoop平臺(tái)的K-Medoids聚類算法的研究與優(yōu)化.pdf
- 基于加權(quán)二部圖與K-Medoids的協(xié)同過(guò)濾推薦算法的改進(jìn)及應(yīng)用.pdf
- 基于加權(quán)二部圖與k-medoids的協(xié)同過(guò)濾推薦算法的改進(jìn)及應(yīng)用
- K-medoids聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- Hadoop平臺(tái)下基于密度的K-Medoids聚類算法的研究與實(shí)現(xiàn).pdf
- K-medoids聚類算法及在社會(huì)標(biāo)簽系統(tǒng)中的應(yīng)用研究.pdf
- 基于粒計(jì)算和模擬退火的K-medoids聚類算法.pdf
- 基于ε0-領(lǐng)域搜索策略的K-medoids聚類算法研究及其應(yīng)用.pdf
- 基于細(xì)菌覓食優(yōu)化的k-medoids文本聚類方法.pdf
- 基于K-medoids的項(xiàng)目族工作分解結(jié)構(gòu)模型構(gòu)建及其配置研究.pdf
- 改進(jìn)的dijkstra算法和改進(jìn)的k_medoids聚類算法在物流領(lǐng)域中的應(yīng)用
- 大數(shù)據(jù)環(huán)境下基于本體的協(xié)同過(guò)濾推薦算法改進(jìn)研究.pdf
- 大數(shù)據(jù)環(huán)境下Hadoop作業(yè)調(diào)度算法研究.pdf
- 大數(shù)據(jù)環(huán)境下關(guān)聯(lián)規(guī)則算法的研究.pdf
評(píng)論
0/150
提交評(píng)論