Hadoop在用专利示例说明

我正在浏览Hadoop中的专利数据示例。 你能详细解释一下正在使用的数据集吗

专利引用数据集
该数据集包含两列引用和引用的专利。引用栏指提交专利的所有者ID？引用列是指构成第二个数据集密钥的专利ID

专利描述数据集
此数据集中有多个字段。 要形成这两个数据集的映射，是引用还是引用第一个数据集中的列，该列在第二个数据集的第一列中具有相应的键（专利）

---

首先，让我们澄清一些与专利相关的术语

什么是引用

引用是指当一个文档 提到另一个具有相关内容

请参阅此以了解有关专利的更多信息：）

“专利引用数据集”——这个数据集只提到专利引用

更像是说专利A使用专利B、C和D

“引用”、“引用”

3858241956203

3858241134234

3858241398406

38582413557384

38582413634889

3858242151701

38582423319261

38582423668705

38582423707004

从书上复制粘贴的，所以这里专利号3858242引用了（使用/引用）4项其他专利， 专利号3858241 cites（使用/引用）5其他专利

专利描述数据集有点像主表，它只保存每个专利的数据

---

希望这能为您澄清一些事情。

我想在HiA book第4.7节中的Top K记录解决方案中存在误解，其中说： “Top K记录更改AttributeMax.py（或AttributeMax.php）以输出整个记录，而不是仅输出最大值。请重写它，以便MapReduce作业输出具有Top K值而不是仅输出最大值的记录。”

要使用的输入数据集实际上是一个63_99.txt文件，本练习要求记录具有最高K值（声明），而不仅仅是最大值。如清单4.6所述，AttributeMax.py提供了最大索赔记录