مهناز سبزوار - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران شمال
امیرمسعود بیدگلی - استادیار، دانشگاه آزاد اسلامی واحد تهران شمال
علیرضا باقری - استادیار، دانشگاه امیرکبیر

امروزه با پیشرفت علم، حجم داده هایی که نیاز به پردازش دارند بهطرز چشمگیری افزایش یافته است.روشهای طبقه بندی داده جهت سرعت بخشیدن به تجزیه و تحلیل داده ها میتوانند در این مورد راهگشا باشند. یکی از الگوریتمهای طبقه بندی که جهت جستجوی داده ها بهکار برده میشود، الگوریتم جلورونده- عقب رونده (مدل مارکوف مخفی) است که در این پژوهش مورد استفاده قرار گرفته است. ویژگی کاهش یکی از مهمترین مسایل در پژوهش های داده بزرگ است که میتواند در تسریع جستجوی داده ها نقش مهمی را ایفا کند. میتوان با بهره گیری از سیستمهای مبتنی بر هدوپ و رویکرد نگاشتکاهش به این هدف دست یافت. در تحقیق حاضر توانستیم با ارایه یک روش جدید سرعت جستجوی داده ها را بهبود بخشیم. روش ارایه شده را رویکرد نگاشت کاهش تودرتو نامیدیم. با توجه به سطح پردازشی صورت گرفته برروی حجم عظیمی از داده ها به نتایج رضایتبخشی رسیده ایم. بررسیها افزایش راندمان عملکرد جستجوی داده و مقیاس پذیری عالی الگوریتم مذکور را نسبت به رویکرد نگاشت کاهش نرمال نشان می دهد.

داده بزرگ، هدوپ، ماهوت، نگاشت کاهش، الگوریتم های دسته بندی، الگوریتم جلورونده-عقب رونده