使用MapReduce实现专利文件的分析

这个是美国专利文件的下载的地址

http://www.nber.org/patents/

escription	Documentation	Data -- Pkzipped
escription	Documentation	SAS .tpt	ASCII CSV
Overview	overview.txt	--
Pairwise citations data	Cite75_99.txt	Cite75_99.zip -- (68 Mb)	acite75_99.zip -- (82 Mb)
Patent data, including constructed variables	pat63_99.txt	pat63_99.zip -- (90Mb)	apat63_99.zip -- (56Mb)
Assignee names	coname.txt	coname.zip -- (2Mb)	aconame.zip -- (2Mb)
Contains the match to CUSIP numbers	match.txt	match.zip -- (130Kb)	amatch.zip -- (98Kb)
Individual inventor records	inventor.txt	inventor.zip -- (98Mb)	ainventor.zip -- (82Mb)
Class codes with corresponding class names	classes.txt	--
Country codes with corresponding country names	countries.txt
Class, technological category, and technological subcategory crosswalk	class_match.txt
Technological category and subcategory labels	subcategory.txt	--	subcategory.csv
SAS program to convert .tpt files to native SAS format	--	read_tpt.sas	--
U.S. Patent Classification (USPC) System and the Standard Industrial Code (SIC) System

下载该网站的下面这二个文件作为分析对象

Cite75_99.zip -- (68 Mb)	acite75_99.zip -- (82 Mb)
Patent data, including constructed variables	pat63_99.txt	pat63_99.zip -- (90Mb)

第一MapReduce的要求就是

表示出某个专利，被哪些专利引用

package PatentStatistics;

import java.io.IOException;

/**
* 构建专利引用列表，输入专利引用关系的关系对(patentNo1,patentNo2) 文件，输出每个专利号的所引用的文件，以逗号相隔。
*
*/
public class PatentCitation {
public static class PatentCitationMapper extends
Mapper<LongWritable, Text, Text, Text> {
/**
* 输入键位行偏移，值为“专利号1,专利号2”
*/
@Override
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String[] citation = value.toString().split(",");
context.write(new Text(citation[1]), new Text(citation[0]));
}
}

public static class PatentCitationReducer extends
Reducer<Text, Text, Text, Text> {
public void reduce(Text key, Iterable<Text> values, Context context)
throws IOException, InterruptedException {
StringBuilder csv = new StringBuilder("");
for (Text val : values) {
if (csv.length() > 0) {
csv.append(",");
}
csv.append(val.toString());
}
context.write(key, new Text(csv.toString()));
}
}

public static void main(String[] args) throws IOException,
InterruptedException, ClassNotFoundException {
Job patentCitationJob = new Job();
patentCitationJob.setJobName("patentCitationJob");
patentCitationJob.setJarByClass(PatentCitation.class);

patentCitationJob.setMapperClass(PatentCitationMapper.class);
patentCitationJob.setMapOutputKeyClass(Text.class);
patentCitationJob.setMapOutputValueClass(Text.class);

patentCitationJob.setReducerClass(PatentCitationReducer.class);
patentCitationJob.setOutputKeyClass(Text.class);
patentCitationJob.setOutputValueClass(Text.class);

patentCitationJob.setInputFormatClass(TextInputFormat.class);
patentCitationJob.setOutputFormatClass(TextOutputFormat.class);
FileInputFormat.addInputPath(patentCitationJob, new Path(args[0]));
FileOutputFormat.setOutputPath(patentCitationJob, new Path(args[1]));

patentCitationJob.waitForCompletion(true);
System.out.println("finished!");
}
}

2、专利被引用的次数的计算

package PatentStatistics;

import java.io.IOException;

/**
* 专利被引用次数统计
*/
public class CitationCount {
public static class PatentCitationMapper extends
Mapper<LongWritable, Text, Text, IntWritable> {
private IntWritable one = new IntWritable(1);

public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
// 输入key: 行偏移值；value: “citing专利号, cited专利号” 数据对
String[] citation = value.toString().split(",");
// 输出key: cited 专利号；value: 1
context.write(new Text(citation[1]), one);
}
}

public static class ReduceClass extends
Reducer<Text, IntWritable, Text, IntWritable> {
public void reduce(Text key, Iterable<IntWritable> values,
Context context) throws IOException, InterruptedException {
int count = 0;
for (IntWritable val : values) {
count += val.get();
}
// 输出key: 被引专利号；value: 被引次数
context.write(key, new IntWritable(count));
}
}

public static void main(String[] args) throws IOException,
InterruptedException, ClassNotFoundException {
Job citationCountJob = new Job();
citationCountJob.setJobName("citationCountJob");
citationCountJob.setJarByClass(CitationCount.class);

citationCountJob.setMapperClass(PatentCitationMapper.class);
citationCountJob.setMapOutputKeyClass(Text.class);
citationCountJob.setMapOutputValueClass(IntWritable.class);

citationCountJob.setReducerClass(ReduceClass.class);
citationCountJob.setOutputKeyClass(Text.class);
citationCountJob.setOutputValueClass(IntWritable.class);

citationCountJob.setInputFormatClass(TextInputFormat.class);
citationCountJob.setOutputFormatClass(TextOutputFormat.class);
FileInputFormat.addInputPath(citationCountJob, new Path(args[0]));
FileOutputFormat.setOutputPath(citationCountJob, new Path(args[1]));

citationCountJob.waitForCompletion(true);
System.out.println("finished!");
}
}

3专利被引用次数的直方图，key就是被引用的数，value就是出现该数的个数

package PatentStatistics;

import java.io.IOException;

/**
* 专利被引用次数分布统计，输入文件为专利引用次数统计的输出结果扫描文件忽略专利号，仅仅考虑被引用的次数，统计每一个次数分别有多少次出现。
*
*/
public class CitationCountDistribution {
public static class MapClass extends
Mapper<Object, Text, IntWritable, IntWritable> {
private IntWritable one = new IntWritable(1);

@Override
protected void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
IntWritable citationCount = new IntWritable(Integer.parseInt(value
.toString().split(" ")[1]));
context.write(citationCount, one);
}
}

public static class ReduceClass extends
Reducer<IntWritable, IntWritable, IntWritable, IntWritable> {
public void reduce(IntWritable key, Iterable<IntWritable> values,
Context context) throws IOException, InterruptedException {
int count = 0;
for (IntWritable val : values) {
count += val.get();
}
// 输出key: 被引次数；value: 总出现次数
context.write(key, new IntWritable(count));
}
}

public static void main(String[] args) throws IOException,
InterruptedException, ClassNotFoundException {
Job citationCountDistributionJob = new Job();
citationCountDistributionJob.setJobName("citationCountDistributionJob");
citationCountDistributionJob
.setJarByClass(CitationCountDistribution.class);

citationCountDistributionJob.setMapperClass(MapClass.class);
citationCountDistributionJob.setMapOutputKeyClass(IntWritable.class);
citationCountDistributionJob.setMapOutputValueClass(IntWritable.class);

citationCountDistributionJob.setReducerClass(ReduceClass.class);
citationCountDistributionJob.setOutputKeyClass(IntWritable.class);
citationCountDistributionJob.setOutputValueClass(IntWritable.class);

citationCountDistributionJob.setInputFormatClass(TextInputFormat.class);
citationCountDistributionJob
.setOutputFormatClass(TextOutputFormat.class);
FileInputFormat.addInputPath(citationCountDistributionJob, new Path(
args[0]));
FileOutputFormat.setOutputPath(citationCountDistributionJob, new Path(
args[1]));

citationCountDistributionJob.waitForCompletion(true);
System.out.println("finished!");
}
}

使用MapReduce实现专利文件的分析相关推荐

《MapReduce 2.0源码分析与编程实战》一第1章 HBase介绍
本节书摘来异步社区<MapReduce 2.0源码分析与编程实战>一书中的第1章,作者: 王晓华责编: 陈冀康,更多章节内容可以访问云栖社区"异步社区"公众号查看. ...
《MapReduce 2.0源码分析与编程实战》一1.5　看，大象也会跳舞
本节书摘来异步社区<MapReduce 2.0源码分析与编程实战>一书中的第1章,第1.5节,作者: 王晓华责编: 陈冀康,更多章节内容可以访问云栖社区"异步社区"公 ...
MapReduce中各个阶段的分析（转自道法—自然老师）
MapReduce中各个阶段的分析: 在MapReduce的各个阶段: 在文件被读入的时候调用的是Inputformat方法读入的.inputformat-->recordreader--> ...
专利检索及分析模拟登陆(python)
登陆程序:#!/usr/bin/env python # -*- coding: UTF-8 -*-import requests import time import base64codeurl = ...
hadoop之slaves文件详细分析
hadoop之saves文件详细分析(一) 注:所有操作基于hadopp-2.7.5,本篇文章主要涉及一些对于slaves文件之于hadoop平台的思考首先大家都知道,要想配置一个完全分布式平台,首 ...
全球物联网专利竞争态势分析
1 引言物联网(Internet of Things,IoT),最早的概念出现在1995年比尔盖茨撰写的<未来之路>(The Road Ahead)一书中.在该书中,遗失的物件会发信息给 ...
计算机检索的优点,专利检索与分析系统拥有哪些优势？
专利检索与分析系统拥有哪些优势?现在很多朋友都在了解专利检索与分析系统又有哪些优势,因为他们需要使用这些系统,不少朋友都会利用业余时间搞各种发明专利,并申请发明专利,在申请之前,人们就需要对专利进行检 ...
如何手动生成Dump文件并分析Dump文件
大家都知道,当服务器出现蓝屏问题时,我们需要获取系统所产生的DUMP文件进行分析,如何确保在系统问题发生时,可以正确的生成所需要的DUMP文件呢?我们需要做如下检查: 1).右键点击"我的电 ...
对WoW Shader文件的分析
Wow的渲染引擎是同时支持固定渲染管线渲染和Shader渲染管线渲染的. bls文件是wow的shader文件,分析它的实现可以学习引擎是怎样渲染的,以及如何做一个兼容固定管线和Shader管线的引擎 ...
JavaCore/HeapDump文件及其分析方法
产生时间 Java程序运行时,有时会产生JavaCore及HeapDump文件,它一般发生于Java程序遇到致命问题的情况下. 有时致命问题发生后,Java应用不会死掉,还能继续运行: 但有时致命问题 ...

使用MapReduce实现专利文件的分析

使用MapReduce实现专利文件的分析相关推荐

最新文章

热门文章