原创 What are some good class projects for machine learning using MapReduce?
What are some good class projects for machine learning using MapReduce? We are looking for a (not necessarily
2020-06-21 18:19:15
原创 Nutch學習筆記1 ---------Inject
1. Inject 功能介紹 在Nutch中Inject是用來把文本格式的url列表注入到抓取數據庫中，一般是用來引導系統的初始化。其中文本格式的URL每一列包含一個url。 同時inject裏面保留了兩個元數據。 nu
2020-06-21 17:40:21
原创 通過JAVA—API訪問HDFS 上的文件
1. 通過對core-site.xml配置文件進行配置。 配置項：hadoop.tmp.dir表示命名節點上存放元數據的目錄位置，對於數據節點則爲該節點上存放文件數據的目錄。 配置項：fs.default.name表
2020-06-21 17:40:20
原创 Nutch 學習比較2 ---------Generate過程
1. Generate的作業 在inject 之後就是Generate,這個方法主要是從CrawlDb中產生一個Fetch可以抓取的url集合(fetchlist). 這Nutch 1.3 版本中，支持在一次Genera
2020-02-20 17:10:59
原创 Nutch 學習比較 3-----Fetcher
1. Fetcher功能介紹 Fetcher這個模塊在Nutch中有單獨一個包在實現，在org.apache.nutch.fetcher，其中有Fetcher.java, FetcherOutput 和FetcherOutputForm
2020-02-20 17:10:59
原创 chukwa學習2——Jetty
Jetty 簡介： Jetty 是一個開源的servlet容器，它爲基於Java的web內容，例如JSP和servlet提供運行環境。Jetty是使用Java語言編寫的，它的API以一組JAR包的形式發佈。開發人員可以將Jetty容器
2018-09-01 12:22:24
2
原创 Data Mining Winter 2010 Resources (from last year's course website):
TheFind Shopping Search Engine Dataset Craigslist Data (data will be uploaded soon!) All Tweets and some associated
2018-09-01 12:22:24
1
原创 Janrain 使用文檔
Documentation Additional Documentation: Engage for Android - Library for Android app support Engage for iOS -
2018-09-01 12:22:22
3
原创 100 Essential Web Development Tools
Web 技術突飛猛進，Web 設計與開發者們可以選擇的工具越來越多，Web 開發者的技巧不再只限於 HTML 和 服務器端編程，還需要精通各種第三方資源，這些第三方資源有時候比你的項目更復雜，更專業，你無法自己實現一切，藉助一些 Web
2018-09-01 12:22:22
原创 chukwa學習3——Log4J
簡介： 在應用程序中添加日誌記錄總的來說基於三個目的：監視代碼中變量的變化情況，週期性的記錄到文件中供其他應用進行統計分析工作；跟蹤代碼運行時軌跡，作爲日後審計的依據；擔當集成開發環境中的調試器的作用，向文件或控制檯打印代碼的調試信息。
2018-09-01 12:22:22
原创 Datasets for Data Mining
Data Visualization and Exploration Sites Google Public Data, with dynamic visualization and exploration tools. Table
2018-09-01 12:22:22
原创 chukwa 學習———— JAX-RS
JAX-RS 簡介： JAX-RS (JSR-311) 是一種 Java™ API，可使 Java Restful 服務的開發變得迅速而輕鬆。這個 API 提供了一種基於註釋的模型來描述分佈式資源。註釋被用來提供資源的位置、資源的
2018-09-01 12:22:22
原创 Using your laptop to compute PageRank for millions of webpages
The PageRank algorithm is a great way of using collective intelligence to determine the importance of a webpage. Ther
2018-09-01 12:22:18
1
原创 Mapreduce & Hadoop Algorithms in Academic Papers (3rd update)
Atbrox is startup company providing technology and services for Search and Mapreduce/Hadoop. Our background is from
2018-09-01 12:22:18
原创 Proceedings of the Tenth SIAM International Conference on Data Mining
Sessions: S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 Session S1: Text Mining 1
2018-09-01 12:22:18
1