开源大数据周刊-第37期
[阿里云E-MapReduce动态]
E-MapReduce 2.3.1镜像主版本发布基础镜像CentOS 6.5内核版本升级到2.6.32-642；并支持job failover
资讯
2017年数据领域的八大发展趋势
在2017年数据社区将会有大量的机会出现，并伴随一些危机性的挑战，
基于分布式的短文本命题实体识别之----人名识别（python实现）
目前对中文分词精度影响最大的主要是两方面：未登录词的识别和歧义切分。
据统计：未登录词中中文姓人名在文本中一般只占2%左右，但这其中高达50%以上的人名会产生切分错误。在所有的分词错误中，与人名有关的错误占到了将近90%，这中国人名都是根据人的想法起的名字，有很大的随意性，并且数量巨大，规律也不尽相同。
Spark 1.5.0 远程调试
Spark 1.5.0 远程调试
作者：摇摆少年梦
微信号：zhouzhihubeyond
先决条件
已安装好Spark集群，本例子中使用的是spark-1.5.0. 安装方法参见：http://blog.csdn.net/lovehuangjiaju/article/details/48494737
已经安装好Intellij IDEA，本例中使用的是Intel
Spark学习之基于MLlib的机器学习
Spark学习之基于MLlib的机器学习
1. 机器学习算法尝试根据训练数据（training data）使得表示算法行为的数学目标最大化，并以此来进行预测或作出决定。
2. MLlib完成文本分类任务步骤：
(1)首先用字符串RDD来表示你的消息
(2)运行MLlib中的一个特征提取（feature extraction）算法来把文本数据转换为数值特征（适合
