李滕飛 孫東 王平

【摘要】隨著計(jì)算機(jī)，互聯(lián)網(wǎng)的日益普及，大數(shù)據(jù)技術(shù)的迅速發(fā)展，因特網(wǎng)用戶量和信息量的快速增長(zhǎng)。用戶對(duì)于多渠道的廣泛的信息的需求也是日益增長(zhǎng)的，用戶希望在各行各業(yè)中得到大數(shù)據(jù)技術(shù)的應(yīng)用，通過(guò)大數(shù)據(jù)平臺(tái)機(jī)器學(xué)習(xí)搜索實(shí)現(xiàn)文章在線生成，實(shí)現(xiàn)與社會(huì)實(shí)踐相結(jié)合，了解社會(huì)大眾人口的需求，為其定制合理的在線文章生成的軟件。在線生成文章可實(shí)現(xiàn)各種文章的模擬，可以涉及到各個(gè)行業(yè)應(yīng)用。通過(guò)Spark特征提取，只要輸入標(biāo)題或關(guān)鍵字就可以生成符合用戶需求的文章。

【關(guān)鍵詞】大數(shù)據(jù)技術(shù) ?Spark數(shù)據(jù)庫(kù) ?在線生成文章

引言：Spark是我們項(xiàng)目決定選用的計(jì)算框架，因?yàn)槠浒嗽诖髷?shù)據(jù)技術(shù)中的各種各樣的計(jì)算框架。比如我們的機(jī)器學(xué)習(xí)就是應(yīng)用到了Spark Mllid，圖計(jì)算應(yīng)用到了Spark？GraphX。對(duì)于項(xiàng)目研究我們也是選用了Spark+Hadoop的組合，它是大數(shù)據(jù)領(lǐng)域最熱門(mén)的組合之一，同時(shí)也是最有前景發(fā)展的組合，因此我們項(xiàng)目組決定采用spark基本框架實(shí)現(xiàn)在線生成文章APP的研究。（Spark主要用于大數(shù)據(jù)計(jì)算，Hadoop用于大數(shù)據(jù)的儲(chǔ)存）。

一、項(xiàng)目實(shí)施的背景和目的

在項(xiàng)目之初我們進(jìn)行了社會(huì)調(diào)研，走向大眾，通過(guò)調(diào)查問(wèn)卷和隨機(jī)采訪的形式了解大眾對(duì)所研發(fā)的在線生成文章的APP的需求，分析調(diào)查問(wèn)卷，以學(xué)生群體為例：幾乎100%的學(xué)生承認(rèn)寫(xiě)作是自己的弱項(xiàng)91.4%的學(xué)生同意或非常同意在線生成文章對(duì)他們提高寫(xiě)作會(huì)有所幫助。在這其中，有74.3%的學(xué)生同意或非常同意數(shù)字化該平臺(tái)能幫助自己利用碎片化時(shí)間學(xué)習(xí)，為自己提供了有價(jià)值的資源和信息，而擁有一個(gè)文章平臺(tái)可以有效調(diào)動(dòng)了自己的寫(xiě)作積極性，降低了寫(xiě)作焦慮感。

通過(guò)大數(shù)據(jù)的數(shù)據(jù)庫(kù)儲(chǔ)存的各類(lèi)文章，通過(guò)機(jī)器學(xué)習(xí)來(lái)進(jìn)行關(guān)鍵詞的整合分類(lèi)以達(dá)到項(xiàng)目要求的創(chuàng)作的文章，通過(guò)大數(shù)據(jù)技術(shù)快速的特點(diǎn)和可變性，在滿足數(shù)據(jù)質(zhì)量的同時(shí)能夠提供多渠道的大量的數(shù)據(jù)來(lái)進(jìn)行應(yīng)用和實(shí)踐，通過(guò)低成本的大數(shù)據(jù)技術(shù)完成高品質(zhì)文章的生成，同時(shí)開(kāi)發(fā)者通過(guò)學(xué)習(xí)機(jī)器學(xué)習(xí)能夠更多的去研究探討計(jì)算機(jī)對(duì)于人類(lèi)發(fā)展的便捷應(yīng)用，通過(guò)這個(gè)項(xiàng)目使需要新文章新思路等需求人們獲得便捷和多樣的選擇，更好的便民利民。

二、項(xiàng)目研究?jī)?nèi)容

開(kāi)發(fā)并學(xué)習(xí)使用spark計(jì)算。Spark是屬于基于內(nèi)存計(jì)算，在提升數(shù)據(jù)處理的實(shí)時(shí)性的同時(shí)也確保了它的高容錯(cuò)性和高可伸縮性，而hadoop就像是一個(gè)大腦和一個(gè)口袋這兩個(gè)元素構(gòu)成的一個(gè)集合，其中大腦負(fù)責(zé)計(jì)算數(shù)據(jù)，而口袋則負(fù)責(zé)存儲(chǔ)數(shù)據(jù)。spark就像是許多更聰明的大腦組成的集合可以計(jì)算存儲(chǔ)在hadoop里面的數(shù)據(jù)，通過(guò)快速的計(jì)算來(lái)達(dá)到數(shù)據(jù)的實(shí)時(shí)應(yīng)用，完成各種進(jìn)程，滿足不同需求的計(jì)算，進(jìn)行輸出。Spark兼容多種語(yǔ)言：例如Java、Scala、Python、R和SQL等。執(zhí)行機(jī)器學(xué)習(xí)，構(gòu)建數(shù)據(jù)的搜索框架。

三、項(xiàng)目的設(shè)計(jì)與實(shí)現(xiàn)

（一）架構(gòu)設(shè)計(jì)

用戶通過(guò)需求輸入關(guān)鍵詞后系統(tǒng)后臺(tái)在云數(shù)據(jù)庫(kù)中進(jìn)行搜索分析和整理，最后整合排版多渠道數(shù)據(jù)后呈現(xiàn)在服務(wù)器終端的用戶頁(yè)面上。

架構(gòu)設(shè)計(jì)圖

（二）設(shè)計(jì)需求

研究需要性能較強(qiáng)的具備獨(dú)立顯卡和運(yùn)行內(nèi)存較高的計(jì)算機(jī)以及相關(guān)輸入設(shè)備;需要應(yīng)用到的軟件開(kāi)發(fā)環(huán)境，能夠支持多臺(tái)計(jì)算機(jī)和路由器組成的局域網(wǎng)絡(luò)，多臺(tái)能夠連接到互聯(lián)網(wǎng)絡(luò)用于資料查詢的計(jì)算機(jī)以及其他各種相關(guān)技術(shù)資料的獲取方式的硬件條件。

項(xiàng)目思路：

（1）創(chuàng)建基礎(chǔ)數(shù)據(jù)庫(kù)：數(shù)據(jù)可以存放在數(shù)據(jù)庫(kù)中，這其中保存的是我們搜集的各種類(lèi)型的文章素材。

（2）創(chuàng)建新表和序列：滿足需求設(shè)計(jì)。

（3）創(chuàng)建索引和視圖：方便查詢搜索和辨識(shí)。

（4）實(shí)現(xiàn)數(shù)據(jù)篩選和記錄：實(shí)現(xiàn)功能，滿足用戶需求。

四、結(jié)語(yǔ)

本項(xiàng)目利用Spark大數(shù)據(jù)技術(shù)領(lǐng)域最熱門(mén)的組合，也是最有前景的組合，為項(xiàng)目走向社會(huì)大眾，解決大眾對(duì)生成文章的需求。

參考文獻(xiàn)：

[1]〔英〕維克托·邁爾·舍恩伯格（Viktor Mayer-Sch nberger）.大數(shù)據(jù)時(shí)代：生活、工作與思維的大變革.浙江人民出版社.

[2]周濤.為數(shù)據(jù)而生——大數(shù)據(jù)創(chuàng)新實(shí)踐.北京聯(lián)合出版公司.

基金項(xiàng)目：吉林建筑大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目，項(xiàng)目編號(hào)：201910191115。