Canopy聚类字符串以及输入格式和hadoop实现 [英] Canopy clustering over strings and the input format and hadoop implementation

问题描述

我想对字符串进行冠层聚类以减少距离和度量。但我不知道如何对字符串集进行冠层聚类。

当我搜索时，我获得了文本聚类的Apache hadoop实现。但是他们说输入格式应该是顺序矢量文件，其中输入应该是矢量可读格式。





我有一列字符串以及如何将其更改为java中的顺序文件和矢量文件以及如何使用hadoop canopy群集高效。





一栏话的例子：



很快< br $> b $ b需要

关闭

这个？

岳父

亲戚

来了

位置？

小

具体

''其中

确切地说

chennai-bangalore

路？''，

远

路？< br $>
州

对

地区

in？

发布

留言

brahmma

周

max





帮我谢谢

I want to do canopy clustering over strings to reduce the distance and the measures. But I not having any idea how to do canopy clustering over set of strings.
When I searched I got the Apache hadoop implementation of text clustering. But in that they said the input format should be sequential vector file in which the input should vector readable format.


I have a column of strings and how to change this into sequential file and vector file in java and how to use hadoop canopy clustering efficiently.


example of one column words :

quickly
need
close
this?
father-in-law
relatives
come
location?
little
specific
''where
exactly
chennai-bangalore
road?'',
far
road?
state
right
locality
in?
post
message
brahmma
weeks
max


help me thanks

推荐答案

下次再问google，这里 [ ^ ]

Next time, ask google first, here[^]

我认识的朋友。但是如何根据我的输入在Java中做到这一点？

I know friend. But how to do it in Java according to my input?

这篇关于Canopy聚类字符串以及输入格式和hadoop实现的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！