在我最近在 Google 实习期间学习了 MapReduce 来解决计算机视觉问题之后，我觉得自己像一个开明的人。我已经在使用 R 进行文本挖掘了。我想将 R 用于大规模文本处理和主题建模实验。我开始阅读教程并研究其中的一些。我现在将我对每个工具的理解写下来:
1) R 文本挖掘工具箱:用于本地(客户端)文本处理，它使用 XML 库
2) Hive:Hadoop interative，提供调用map/reduce的框架，也提供DFS接口(interface)，用于在DFS上存储文件。
3)RHIPE:R Hadoop集成环境
4) Elastic MapReduce with R:一个为那些没有自己的集群的人准备的 MapReduce 框架
5) 使用 R 的分布式文本挖掘:尝试从本地到服务器端处理，从 R-tm 到 R-distributed-tm 无缝移动
我对上面的包有如下疑问和困惑
1) Hive 和 RHIPE 以及分布式文本挖掘工具箱需要您拥有自己的集群。对吧？
2)如果我只有一台计算机，DFS 在 HIVE 的情况下如何工作
3) 我们是否面临与上述包重复工作的问题？
我希望在接下来的几天内获得对上述问题的见解
最佳答案
(1) Hive 和 Rhipe 不需要集群，你可以在单节点集群上运行它们。 RHipe 基本上是一个集成了 R 和 Hadoop 的框架(在 R 语言中是一个包)，您可以在 Hadoop 上利用 R 的强大功能。要使用 Rhipe，您不需要集群，您可以以任何一种方式运行，即集群模式或伪模式。即使您拥有超过 2 个节点的 Hadoop 集群，您仍然可以通过指定属性 mapered.job.tracker='local' 在本地模式下使用 Rhipe。
您可以访问我的网站(搜索)“Bangalore R user groups”，您可以看到我是如何尝试使用 Rhipe 解决问题的，我希望您能得到一个公平的想法
(2)Hive 是指 R 中的 Hive 包吗？因为这个包对 Hive(hadoop 数据仓库)有些误导。
R 中的 Hive 包与 Rhipe 类似，只是增加了一些额外的功能(我还没有完全了解)。当我看到 Hive 包时，我以为他们已经将 R 与 Hive 集成在一起，但在看到功能后却不是像那个。
Hadoop 数据仓库是 HIVE，基本上是如果您对应该运行在数据子集中的某些结果子集感兴趣，您通常使用 SQL 查询来执行此操作。 HIVE 中的查询也与 SQL 查询非常相似。 给你一个非常简单的例子:假设你有过去 10 年各种股票的 1TB 股票数据。现在您要做的第一件事是，您将存储在 HDFS 上，然后在其上创建一个 HIVE 表。就是这样......现在触发你想要的任何查询。您可能还想进行一些复杂的计算，例如查找简单移动平均线 (SMA)，在这种情况下，您可以编写 UDF(用户定义的函数)。除此之外你还可以使用UDTF(User defined table generating function)
(3) 如果你有一个系统，这意味着你正在以伪模式运行 Hadoop。而且你不用担心Hadoop是运行在伪模式还是集群模式，因为Hive只需要安装在NameNode上，而不需要安装在数据节点上。一旦完成正确的配置，hive 将负责在集群上提交作业。 与 Hive 不同，您需要在包括 NameNode 在内的所有数据节点上安装 R 和 Rhipe。但是在任何时候，如果你只想在 NameNode 中运行作业，你可以按照我上面提到的那样做。
(4) 还有一件事 Rhipe 仅适用于批处理作业，这意味着 MR 作业将在整个数据集上运行，而 Hive 则可以在数据子集上运行。
(5)我想了解您在文本挖掘中到底在做什么，您是否正在尝试使用 HMM(隐马尔可夫模型)、CRF(条件随机字段)、特征来做一些 NLP 之王的事情，例如名称实体识别向量或 SVM(支持向量机)。 或者你只是想做文档聚类、索引等 嗯，有像 tm、openNLP、HMM、SVM 等包
关于r - 理解 R-Hive、Elastic MapReduce、RHIPE 和使用 R 的分布式文本挖掘，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4002011/
我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于
我正在尝试使用ruby和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t
我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h
我想为Heroku构建一个Rails3应用程序。他们使用Postgres作为他们的数据库，所以我通过MacPorts安装了postgres9.0。现在我需要一个postgresgem并且共识是出于性能原因你想要pggem。但是我对我得到的错误感到非常困惑当我尝试在rvm下通过geminstall安装pg时。我已经非常明确地指定了所有postgres目录的位置可以找到但仍然无法完成安装:$envARCHFLAGS='-archx86_64'geminstallpg--\--with-pg-config=/opt/local/var/db/postgresql90/defaultdb/po
