论文部分内容阅读
Kmeans聚类算法是分布式索引构建中比较有效的文档分割方法。然而，基于单节点Kmeans算法的索引构建方法在应用于海量数据时存在两个问题：初始中心点的选取对于聚类结果的影响较大，聚类结果不稳定；聚类节点容易成为系统运行的瓶颈、文档集合的可扩展性差。针对上述问题，提出一种基于可并行的优化Kmeans算法的索引构建方法，基于样本聚类优化算法初始点的选择，保证聚类结果的稳定性，优化索引分布；同时将聚类的过程并行化，消除系统瓶颈，提升系统效率。实验表明，该方法在索引构建效率和查询结果的准确性方面均较传统方法有显