LQZYC / Nutch-NewsClassify

Related projects ⓘ

Alternatives and complementary repositories for Nutch-NewsClassify

• xautlx / nutch-ajax
  Apache Nutch Plugins for AJAX page fetch, parse, index
  ☆86Updated 6 years ago
• zongtui / zongtui-webcrawler
  基于hadoop思维的分布式网络爬虫。
  ☆87Updated 8 years ago
• shirdrn / document-processor
  Document preprocessing for preparing formatted input data which is suitable for LibSVM tool.
  ☆50Updated 7 years ago
• yxlHuster / news-duplicated
  文本去重算法，研究自推荐系统中新闻的去重，采用了雅虎的Near-duplicates and shingling算法，服务端用c实现，客户端用java实现，利用thrift框架进行通信，为了提高扩展性，去重可以在服务端实现，服务器也提供了计算的接口，方便客户端自己扩展
  ☆22Updated 10 years ago
• ysc / HtmlExtractor
  HtmlExtractor是一个Java实现的基于模板的网页结构化信息精准抽取组件。
  ☆157Updated 6 years ago
• NLPchina / nlp_china_web
  nutz+jetty+h2 做的一个web应用
  ☆40Updated 8 years ago
• wgybzbrobot / sentiment-search
  舆情搜索服务框架，其中lucene和solr版本为4.8。
  ☆60Updated 8 years ago
• ruyaoyao / paoding-analysis
  Paoding分詞器，基於Lucene4.x forked from http://git.oschina.net/zhzhenqin/paoding-analysis
  ☆45Updated 10 years ago
• xautlx / nutch-htmlunit
  基于Apache Nutch和Htmlunit的扩展实现AJAX页面爬虫抓取解析插件
  ☆123Updated 9 years ago
• zacker330 / es-ik
  Chinese analysis plugin which using IK analysis for Elasticsearch
  ☆22Updated 9 years ago
• iamccme / weibo-mining
  微博情感分析
  ☆12Updated 11 years ago
• xsank / Shour
  一个随时恭候询问的耐心小二~
  ☆90Updated 7 years ago
• ml-distribution / negative-sentiment
  基于词典的负面舆情信息评分算法。
  ☆25Updated 9 years ago
• rocky1001 / pykylin
  Python DBAPI Driver and Sqlalchemy Dialect for Apache Kylin, the "Extreme OLAP Engine for Big Data"
  ☆31Updated 8 years ago
• yxjay / SearchEngine-base-on-ElasticSearch-nutch-SSM
  基于Nutch+ElasticSearch+MySQL+SSM的简易搜索引擎
  ☆19Updated 8 years ago
• shamphone / jigsaw-nlp
  本项目转移到https://github.com/cocolian/cocolian-nlp
  ☆34Updated 10 years ago
• hfut-dmic / ContentExtractor
  自动抽取网页正文的算法，用JAVA实现
  ☆107Updated 7 years ago
• CrawlScript / DataHref
  数据挖掘算法及工具教程
  ☆27Updated 8 years ago
• CrawlScript / nutcher
  nutcher是中文的nutch文档，包含nutch的配置和源码解析，持续更新中。
  ☆129Updated 5 years ago
• NLPchina / SinaMicroBlogCrawl
  新浪微博模拟登陆2014-04-01版
  ☆22Updated 10 years ago
• shirdrn / libsvm-dp
  Refactored version for https://github.com/shirdrn/document-processor.git
  ☆15Updated 7 years ago
• mlcsdev / mlcsseg
  solr分词器大补贴, 包括IK ANSJ、过滤器，动态加载词库
  ☆59Updated 10 years ago
• ysc / word_web
  通过web服务器对word分词的资源进行集中统一管理
  ☆17Updated 7 years ago
• realxujiang / bigtable-sql
  分布式大数据SQL查询可视化界面！
  ☆68Updated 9 years ago
• kanxg / fengchao
  蜂巢爬虫系统 是一套只需要定义XPath，就可实现爬取网站,APP的系统, 支持多种解析方式（XPath,正则表达式），多种下载方式（HttpClient库, PhantomJs, Selenium）,多种输出方式（Excel，MongoDB）。 可不做任何修改发布到Yar…
  ☆5Updated 7 years ago
• qindongliang / solr-custom-score
  solr自定义评分组件demo
  ☆23Updated 3 years ago
• javagaorui5944 / ProxyIpPool
  The Crawler Proxy IP Pool Component
  ☆65Updated 2 years ago
• blogchong / my-docs
  数据虫巢(微信号blogchong)公众号技术文章合集。虫巢出品，不说优品，最起码也得算个良品呐~~
  ☆25Updated 7 years ago