基于Mapreduce的多源多模态大数据检索方法研究

摘要：

在网络数据量增长的同时,也引发了数据源与数据模态的增长,由此导致在数据检索时将面临着语义区分与海量数据两大难题,为此提出并设计了基于的多源多模态大数据检索方法.针对语义一致性区分,引入哈希与字典学习构建目标评价,为尽可能保证特征对在低维空间内的近似性,采取矩阵分解结合中间变量方式,将目标评价的求解转化为非凸问题.同时,利用网络学习来获取多源多模态数据间存在的彼此联系,将层结构设计为节点邻接矩阵形式,并根据近似度计算得出多模态检索结果.针对海量数据,引入处理框架,将检索任务分割成轻量化的子任务,并将算法部署于与中,实现分布式并行处理.基于多源多模态大数据检索质量分析,通过仿真证明了所提方法对于多源多模态数据检索具有良好的准确性和完整性,且显著提升了大数据的检索效率.

关键词：多源多模态、哈希算法、目标评价函数、近似度、大数据检索

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：基于大数据在高校学生管理中的应用研究2018001

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：422-426