بررسی کارایی الگوریتم جلورونده– عقبرونده در محیط هدوپ رویکرد نگاشت کاهش

در عصر داده های عظیم و سفارشی سازی کردن داده ها براساس نیازهای مشتریان، روش های طبقه بندی داده ها از اهمیت ویژه ای برخوردارند. یکی از الگوریتم های طبقه بندی که جهت جستجوی داده ها به کاربرده می شود الگوریتم جلورنده–عقب رونده (مدل مارکوف مخفی) است که در این پژوهش مورد استفاده قرار گرفته است. نکته اساسی در این زمینه، افزایش سرعت جستجو مابین داده های عظیم است که در تحقیق حاضر مورد توجه قرار گرفته است. در این مقاله، با بهره گیری از سیستم های مبتنی بر هدوپ و رویکرد نگاشت کاهش به این هدف دست یافتیم. با توجه به سطح پردازشی صورت گرفته برروی حجم عظیمی از داده ها به نتایج رضایت بخشی رسیدیم. بررسی ها افزایش بازده عملکرد جستجوی داده و مقیاس پذیری عالی الگوریتم مذکور را نشان میدهد.

کلیدواژه ها:

داده بزرگ ، هدوپ ، نگاشت کاهش ، الگوریتم های طبقه بندی ، الگوریتم جلورونده-عقب رونده