大数据集的对应因子分析：一项3000万词的案例研究；以及使用Apache Solr与R语言对应分析的对比分析

我们考虑了大量文本数据集，这些数据集为烹饪食谱。我们研究了数据的词项分布及其他分布特性。我们的目标是考察各种分析方法，这些方法允许在高细节和低细节尺度上进行信息挖掘。度量空间嵌入对于我们探究此数据的语义属性至关重要。我们考虑将所有数据投影到数据聚合版本的分析中，并将其与将数据聚合版本投影到所有数据的分析中进行对比。类似地，对于词项集，我们考察了选定词项的分析。我们还研究了固有的词项关联，例如单复数之间的关联。除了在R语言中使用对应分析进行潜在语义空间映射外，我们还使用了Apache Solr。文中描述了Solr服务器的设置及查询执行过程。另一个新颖之处在于，Solr中支持基于所有数据的主因子平面映射进行查询，这使用了基于因子投影的边界框查询。