2013-03-10

Taiwan Hadoop Ecosystem Workshop 2013 Q1

• 活動名稱：Taiwan Hadoop Ecosystem Workshop 2013 Q1
• 活動時間：2013/3/10(日) 10:00~16:00
• 活動地點：精誠內湖大樓（台北市內湖區瑞光路318號） 1F 演講廳
• 活動名額：開放 80 名座位，最高上限 100 名。依實際報到為準。
• 活動費用：本活動不收取費用，感謝精誠資訊贊助場地。
• 報名網址：​https://www.facebook.com/events/456789427727154/
• 活動議程：

  09:30~10:00 報到
  10:00~11:00 運用 Lucene 對於 Spamming Botnet 進行快速索引與分群 (資策會 毛敬豪 博士)
  11:00~12:00 HBase 簡介 : 資料格式與運作架構 (亦思 范姜冠宇 技術長)
  12:00~13:00 中場休息 (這次是社群自發性活動，恕暫不提供午餐)
  13:00~14:00 Solr Tutorial (趨勢, Javen Tsai)
  14:00~15:00 Riak Tutorial (NoSQL Taiwan , Von Stark)
  15:00~16:00 不可能更容易的 Hadoop 平台 — Etu Appliance 技術內涵與 Demo (Etu 陳昭宇 首席顧問)
  

Spamming Botnet

• Big Data 不見得要到 TB 等級，有時候資料量雖然少，但是透過 Lucene, Mahout 跟 Pegasus 來加速索引的建立
• 問題描述：透過架設郵件的誘捕系統(Mail Server Honeypot)，蒐集垃圾郵件，並進而分析內部的特徵。
• 資料集：150GB
• SVD = Single Value Decomposition -> ICA = Independend
  • SVD Mahout 就有了
• IK-Analyzer - 中文分詞 <- 中研院 CKIP
• Q：如何擴展 Lucene 的同義詞庫
• Q：Lucene 是否有 Distinct ?
• A: 有 -> 透過 Finite Set
• Q: Lucene 是否有 Group By?
• A: 用 Solr
• 同義詞的挑戰 - Synonym Analyzer ->
• Q: 未來能否用 Graph Database 來存這些同義詞當詞庫？ Data Source？ DBpedia ？
• Lucene in Action 有教同義詞
• 多重 Index 單一搜尋引擎

  mahout svd -r 3 -nr 6722 -nc 46547 -i data -o result
  

• SVD 可以降低到人可以理解、視覺化的維度
• Mahout in Action 那本書第五章有提到怎麼用 SVD
• KDD Summer School 2012
• 半監督式學習與主動學習 -