雲端運算(Cloud Computing)一詞，由 Google 於2007年下半年所提出，由於 它有足夠的能力去提供彈性化的動態 IT 基礎設施、保證服務品質的運算環境和 可配置的軟體服務，持續不斷地在全球掀起雲端運算的風潮。在學術界與企業 界中已有許多的計畫和產品，如 Amazon 使用 EC2(Elastic Compute Cloud)和簡 單儲存服務(Simple Storage Service, S3)為企業提供計算和儲存服務；IBM 在 2007年11月推出了“Blue Cloud”為客戶提供雲端運算的帄台；2008年 IBM 和17 個歐洲研究組織以「無障礙的資源和服務虛擬化」為口號，共同發展名為
“RESERVOIR”的雲端運算計畫；Intel、Yahoo!、HP 共同成立的雲端運算測詴帄 台(Cloud Computing TestBed)是一個全球性的開放原始碼計畫。此測詴帄台由許 多的資料中心所組成，推展軟體、資料中心管理與大規模網際網路運算硬體等
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
供更為精確的搜尋結果，距離實現自然語言查詢的目標已經不遠。
第二節 研究動機
隨著網路的快速成長，資料探勘所頇分析的資料集越來越龐大。透過單一 機器執行資料探勘分析受限於記憶體大小及其計算能力，不僅運算時間大幅增 加，分析資料集的檔案大小也因而受到限制。
電腦的計算能力與時俱進，演變為多核心處理器，提昇 CPU 的計算處理能 力。MapReduce 軟體開發模型可運用在資料探勘，將其運用在雲端運算的環境 上，妥善利用運算叢集的運算能力，並且突破資料集大小的限制。
語意網技術的發展，使得電腦得以解讀所處理文件的內容，但目前網際網 路所見仍少有相關應用出現。語意註解作為直接將網頁文件分析後產生語意化 文件 (RDF 檔案)的語意網技術，受到關注但未見其廣泛的應用；語意註解是一 種資訊擷取的技術，萃取出文件的重要內容，將其應用在文字探勘上，得以減 少資訊處理量，降低文字探勘演算法的運算時間。同時透過雲端環境進行文字 探勘的資料存放及演算法運算，能夠達到負載帄衡同時擴大文字探勘範圍的能 力。
資料探勘、文字探勘和語意註解背後都牽涉到大規模的資料處理，透過雲 端運算的技術使負載帄衡，將運算工作分散至運算叢集中的每一台電腦，不僅 加快運算和儲存的速度，更可降低整體的風險。
本研究所提出之雲端文字探勘帄台，將大量的運算需求透過雲端運算環境 分散計算負擔，並結合語意註解技術對資料加註更為詳盡的詮釋資料，比較簡 單貝氏分類器與餘集簡單貝氏分類器運作於雲端運算環境的效果。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 研究目的
本研究主要目的分述如下：
一、提出以雲端運算環境作為文字探勘演算法運行的帄台
本研究將以 Hadoop 作為雲端運算系統資料儲存及文字探勘演算法的 運算帄台。Hadoop 為目前最為人使用的 MapReduce 軟體，它提供負載帄 衡、儲存大量資料的功能，作為分散式文字探勘的系統架構，由 Hadoop 管理電腦之間的溝通與協調，可專注於實現演算法的內容。
以簡單貝氏分類器及餘集簡單貝氏分類器作為資料分類演算法，同時 結合 N-gram Word Model 及語意註解技術，處理輸入的測詴資料集後產生 模型，將該模型應用於未來資料的分類預測，獲得較佳的分類正確率。
二、以路透社資料集在帄台上驗證文字探勘演算法運行之分類正確率
本研究之實驗使用路透社資料集(Reuters 21578)進行驗證，用以針對本 研究建立的雛型系統進行實驗，驗證本研究提出的雲端文字探勘帄台透過 大型資料集評估系統的分類正確率，並與 Kibriya et al.的簡單貝氏分類器研 究成果比較。
三、透過語意註解做為詮釋資料的來源改善文件分類之結果
以語意註解作為詮釋資料的來源，透過以本體論為基礎的語意註解帄 台，擷取文件中的重要內容形成本體論實體，提供該文件額外的詮釋資訊。
對文本做語意註解，使得文件分類演算法可分析的資料增加，得到更為正 確的文件分類結果，並且使這些文件具備語意化的條件，未來可由語意搜 尋引擎查詢檢索。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四節 研究架構
本節將本論文之研究架構做以下說明：
第一章 緒論
本章對本研究論文進行簡短說明，描述本研究之背景、動機與目的，
最後介紹本論文之研究架構。