bipartite_graph_processing:大规模图形处理

上传者: 42133753 | 上传时间: 2022-11-19 21:55:58 | 文件大小: 2.53MB | 文件类型: ZIP
bipartite_graph_processing 大规模图处理:在二部图上比较 GraphLab 和迭代 MapReduce 的并行 Adaboost 该项目将 Twister 迭代 MapReduce 框架与面向顶点的 GraphLab 框架进行比较,以处理二部图 MapReduce 是一种大数据编程模型,它在数据的单次传递中执行计算。 已经开发了一些框架来扩展 MapReduce 模型以包括循环感知,因此用户可以编写迭代算法。 这些迭代 MapReduce 框架包括 Twister、HaLoop 和 iMapReduce。 该项目使用 Twister。 由于大规模图计算困难的许多相同原因,即图数据结构中固有的相互依赖性,MapReduce 通常不是执行图计算的良好编程模型。 最近,已经引入了面向顶点的图处理框架,其设计用于在大规模分布式图上执行迭代图算法。 用户采用以顶点为

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明