IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 微博数据挖掘脚本流程 -> 正文阅读

[人工智能]微博数据挖掘脚本流程

一、加载数据到源表

```shell
#! /bin/bash

txt_file_path_local=../data/text_data/weiboplus.txt
txt_dir_path_hdfs=/tmp/ws/data/

db_name=wangshuai
output_table=weiboplus_origin
file_path=`echo $txt_file_path_local | awk -F '/' '{print $NF}'`
hdfs dfs -put -f $txt_file_path_local $txt_dir_path_hdfs
hive -e"

?? ?use $db_name;
load data inpath '$txt_dir_path_hdfs$file_path' overwrite into table weiboplus_origin;
"


```

二、处理json插入product表

```shell
#! /bin/bash

db_name=wangshuai
input_table=weiboplus_origin
output_table=weiboplus_product

hive -e"
?? ?use $db_name;
insert overwrite table $output_table?
select get_json_object(json,'$[0].content') as content from $input_table;
"


```

三、生成分词结果表

```shell
#! /bin/bash

db_name=wangshuai

input_table=weiboplus_product
output_table=weiboplus_seg_result
jar_path_hdfs=hdfs:///tmp/ws/data/day01-1.0-SNAPSHOT-jar-with-dependencies.jar
class_path=com.atsansan.day24.deal.NlpUDF
natureStr_list='n,nr,nr1,nr2,nrj,nrf,ns,nsf,nt,nz,nl,ng,nw'
hive -e"
?? ?use $db_name;
add jar $jar_path_hdfs;
create temporary function seg as '$class_path';
insert into table $output_table?
select seg(content,'$natureStr_list') from $input_table;

"


```

四、生成倒排表

```shell
#! /bin/bash

db_name=wangshuai

input_table=weiboplus_seg_result
output_table=weiboplus_seg_wc
intput_table2=weibopuls_stopwords
hive -e"
?? ?use $db_name;

insert overwrite table $output_table?
select word_cnt.word,freq from?
(select word,count(1) freq from weiboplus_seg_result lateral view explode(split(content,'\001')) word_table as word?
where content is not null and length(word)>1 group by word)as word_cnt left join weibopuls_stopwords black on word_cnt.word=black.word where black.word is null order by freq desc;
"

```

五、下载数据到本地

```shell
#! /bin/bash

db_name=wangshuai
down_path_hdfs=/tmp/ws/data/hotwordsplus/
down_path_local=../data/
input_table=weiboplus_seg_wc


hive -e"
?? ?use $db_name;
?? ?insert overwrite directory '$down_path_hdfs'
row format delimited fields terminated by '\t'
select word,freq from (
select word,freq,dense_rank() over(order by freq desc) top from $input_table) word_top where top<=500;
"
hdfs dfs -get -f $down_path_hdfs $down_path_local

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-11-09 19:29:17  更:2021-11-09 19:33:08 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 6:35:37-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码