Alternatives and similar repositories for Nutch-NewsClassify

Users that are interested in Nutch-NewsClassify are comparing it to the libraries listed below

• NLPchina / nlp_china_web
  nutz+jetty+h2 做的一个web应用
  ☆40Updated 8 years ago
• zongtui / zongtui-webcrawler
  基于hadoop思维的分布式网络爬虫。
  ☆86Updated 9 years ago
• xautlx / nutch-ajax
  Apache Nutch Plugins for AJAX page fetch, parse, index
  ☆87Updated 6 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
• shamphone / jigsaw-nlp
  本项目转移到https://github.com/cocolian/cocolian-nlp
  ☆34Updated 10 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。
  ☆130Updated 5 years ago
• rocky1001 / pykylin
  Python DBAPI Driver and Sqlalchemy Dialect for Apache Kylin, the "Extreme OLAP Engine for Big Data"
  ☆31Updated 8 years ago
• NLPchina / SinaMicroBlogCrawl
  新浪微博模拟登陆2014-04-01版
  ☆22Updated 11 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。
  ☆155Updated 6 years ago
• zacker330 / es-ik
  Chinese analysis plugin which using IK analysis for Elasticsearch
  ☆22Updated 9 years ago
• hfut-dmic / ContentExtractor
  自动抽取网页正文的算法，用JAVA实现
  ☆106Updated 8 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
  ☆24Updated 11 years ago
• da2vin / Spider_index
  爬取百度指数和阿里指数，采用selenium，存入hbase，验证码自动识别，多线程控制
  ☆32Updated 8 years ago
• majinju / KettleEasyExpand
  一个简化kettle插件开发的通用插件，采用JSON作为参数配置，省去ui调试设计步骤，只需一个类就可以开发一个插件。
  ☆40Updated 2 years ago
• shenbaise / goodcrawler
  网络爬虫
  ☆51Updated 11 years ago
• yxjay / SearchEngine-base-on-ElasticSearch-nutch-SSM
  基于Nutch+ElasticSearch+MySQL+SSM的简易搜索引擎
  ☆20Updated 8 years ago
• gsh199449 / DistributeCrawler
  基于Map/Reduce爬虫,可抽取各大新闻网站的新闻正文并进行分类和聚类
  ☆77Updated 11 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
  ☆122Updated 10 years ago
• iamccme / weibo-mining
  微博情感分析
  ☆12Updated 11 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 8 years ago
• haluo / jd-example
  京东老版本的架构示例
  ☆10Updated 11 years ago
• ml-distribution / negative-sentiment
  基于词典的负面舆情信息评分算法。
  ☆26Updated 10 years ago
• xsank / Shour
  一个随时恭候询问的耐心小二~
  ☆88Updated 8 years ago
• shirdrn / document-processor
  Document preprocessing for preparing formatted input data which is suitable for LibSVM tool.
  ☆50Updated 8 years ago
• hankcs / OpenCC-to-HanLP
  无损转换OpenCC词典为HanLP格式
  ☆9Updated 3 years ago
• ysc / rank
  rank是一个seo工具，用于分析网站的搜索引擎收录排名。
  ☆67Updated 8 years ago
• chenkai1100 / SpiderFrame
  分布式网络爬虫架构
  ☆16Updated 8 years ago
• yizhiru / thulac4j
  Chinese Word Segmentation Tool, THULAC的Java实现.
  ☆84Updated 4 years ago
• ansjsun / tree_split
  Tree-split 搬新家..给各位带来的不便深表歉意
  ☆55Updated 8 years ago
• yozhao / IKAnalyzer
  An open source word breaker with lucene supported.
  ☆80Updated 5 years ago