基于大数据机器学习的客服系统的研究

发布时间：2021-01-09 01:01

　　随着移动互联网的发展,移动通信数据出现了井喷式的增长,大数据时代已然来临。巨大的数据量、多种多样的数据类型、复杂的数据结构,给数据存储和数据处理带来了巨大挑战,渐渐超出了传统关系型数据库的存储和处理能力,如何选择一个技术来处理这种海量数据是我要研究的第一个话题。现在客服系统的工作一般是对现有的人工客服语料作为样本,通过训练样本完成整个问答过程,随着机器学习的发展,现在的智能客服系统不仅可以帮助顾客搜索问题答案,还能挖掘潜在用户的兴趣爱好,以弹窗的形式或者列表的形式,为用户推荐它们的产品或者业务,面对这样的推荐,用户感兴趣的可能会点击相关的推荐,对于不感兴趣的可能就会忽略。人们如何在繁多的信息获取自己需要的内容成为了一个越来越重要的问题,这个时候,你就需要一个自动化的工具,它可以根据你的历史兴趣爱好,从一个庞大的资源库中,挑选符合你的口味的商品或者需求品供你选择,这个工具就是个性化的推荐系统,如何实现精准的个性化推荐这是我要研究的第二个话题。本论文要研究的就是在大数据环境下客服系统中的推荐系统,论文首先详细介绍了Hadoop技术的基本理论知识,在此基础上完成了数据分析系统架构图,设计并实... 

【文章来源】：贵州大学贵州省 211工程院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

Hadoop1.x的架构图

图 2-2 hadoop2.x 的架构图如图所示，存储块池（Block Pool）里面包含很多存储块，它是一个独立的存储空间，Datanodes 包含了所有存储池中的存储块，所有存储块池之间都是相互独立的，互补干涉，各自分管各自的工作，所以当产生新的 BlockIDs 时，可以不通过其他存储池的协作，每个存储池之间的工作互不干扰，如果一个存储块池出现故障，不会影响到其他的存储池的工作，其他资源可以正常访问，因为每一个存储池里面包含所有存储块的资源，每一个命名空间都是一个独立的管理单元，当一个命名空间被删除时，它所存储的资源就会相应的被删除，当 hadoop 集群更新的时候，命名空间的结构都会重新升级[10]。2.2 HDFS 的原理介绍作为 Hadoop 底层基础设施的分布式文件系统 HDFS，为数据分析提供高可

储实际数据或数据集，NameNode 对于 HDFS 至关重要，当 NameN，HDFS/Hadoop 集群无法访问。DataNode：DataNode 负责将实际数据存储在 HDFS 中，也称为 SlavameNode 一直保持不断通信，DataNode 听从 NameNode 的命令，执行对数据块的存储和读写操作,并且会定期向 NameNode 发送心跳汇报Secondary NameNode：作为 namenode 的辅助不能取代 namenode 的助 namenode 更好的工作，在 namenode 的主节点内部创建云数据的检要有两个重要作用：一是镜像备份，备份 fsimage 文件，而是镜像与日将主节点 Namenode 里面的 edits 日志与 fsimage 合并，防止在下次启动amenode 时，fsimage 被加载到内存里面。这是主节点 NameNode 的一套。


本文编号：2965660