Alternatives and similar repositories for Simhash-

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

• striver-ing / distributed-spider
  通用新闻类网站分布式爬虫
  ☆77Updated 6 years ago
• naiveliberty / Toutiao_Spider
  今日头条新闻详情页面爬取，逆向 Cookies 中 __ac_signature 生成过程
  ☆34Updated 5 years ago
• 695573425 / TDTSystem
  基于新浪微博的面向食品安全的舆情话题检测与追踪系统
  ☆13Updated 2 years ago
• CuiYongen / DuplicateChecking
  基于 Simhash 的论文查重系统
  ☆81Updated 3 years ago
• 17621192638 / JiebaLexicon
  构建中国百科词库,作为jieba分词的自定义词库。爬取百度拼音输入法词库,将.bdict文件解析为txt文件.python3.
  ☆27Updated 6 years ago
• Chuanyunux / Chinese-NewWordRecognition
  专业领域词库构建/中文新词发现/专业词库发现
  ☆29Updated 5 years ago
• pyunits / pyunit-address
  字符串地址查询,支持自定义地址词库,解析地址,地址识别,地址抽取,中文地址.
  ☆97Updated 4 years ago
• liuhuanyong / ImportantEventExtractor
  An exploration for Eventline (important news Rank organized by pulic time)，针对某一事件话题下的新闻报道集合，通过使用docrank算法，对新闻报道进行重要性识别，并通过新闻报道时间挑选出时间线上重要…
  ☆222Updated 6 years ago
• Chinese-boy / Many-Translaters
  谷歌翻译，360翻译，iCIBA翻译，有道翻译，免费API
  ☆185Updated 3 years ago
• buttered-cat / chinese_company_name_recognition
  中文命名实体识别（公司名称），Tensorflow 1.3 + Python3
  ☆38Updated 7 years ago
• speciallurain / CNKI_Patent_SVM
  文本分类是指在给定分类体系下 , 根据文本的内容自动确定文本类别的过程。首先我们根据scrapy爬虫根据中国知网URL的规律，爬取70多万条2014年公开的发明专利，然后通过数据清洗筛选出了60多万条含标签数据。通过TF-IDF对60多万条本文进行词频提取，依照词频排序提取…
  ☆107Updated 7 years ago
• GeneralZh / Chinese_Corpus
  中文语料库：包括情感词典 情感分析 文本分类 单轮对话 中文词典 知乎
  ☆117Updated 7 years ago
• liuluyeah / TextRank4ZH-master
  文章标签抽取
  ☆16Updated 6 years ago
• pyunits / pyunit-ner
  NER实体识别模型,快速高效简单一键部署docker部署调用模型。能识别：地址、人名、机构名实体。
  ☆36Updated last year
• xqtbox / AutoHomeSpider_Scrapy
  爬取汽车之家的口碑数据，并破解前端js反爬虫措施分析
  ☆62Updated 7 years ago
• realzhengyiming / Spider_of_keywordRank
  搜索引擎关键词排位爬虫，包括百度，搜狗，360的搜索引擎关键词排位爬虫，关键词从百度热词中取得，排位分别从三个搜索引擎中抓取。
  ☆19Updated 5 years ago
• liuhuanyong / QueryCorrection
  self complemented SpellCorrection based pinyin similairity, edit distance ，基于拼音相似度与编辑距离的查询纠错。
  ☆82Updated 3 years ago
• verarong / CompanyNameMatch
  公司、企业名称模糊匹配，基于词频的公司名主体提取，基于编辑距离的匹配度
  ☆41Updated 4 years ago
• qianzhengyang / AllDataPackages
  中文、分词、词表、核心词典、事件词表、停用词、敏感词、问答、问答数据、知识图谱、文本语料。
  ☆165Updated 3 years ago
• yihenglu / chinese-address-segment
  中文地址分词（地址元素识别与抽取），通过序列标注进行NER
  ☆196Updated 5 years ago
• 15810856129 / Simhash
  使用Simhash对海量文本进行去重
  ☆12Updated 7 years ago
• Valuebai / Text-Auto-Summarization
  文本自动摘要
  ☆94Updated 2 years ago
• hahaha108 / MyNews
  基于scrapy-redis的分布式新闻爬虫，可同时获取腾讯、网易、搜狐、凤凰网、新浪、东方财富、人民网等各大平台新闻资讯
  ☆45Updated 7 years ago
• shibing624 / companynameparser
  company name parser, extract company name brand. 中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取。
  ☆90Updated 2 years ago
• zyymax / text-similarity
  用TF特征向量和simhash指纹计算中文文本的相似度
  ☆216Updated 8 years ago
• taishan1994 / address_normalize
  根据地址提取省、市、区/县、街道，并进行标准化
  ☆23Updated 3 years ago
• Leon406 / wenshukt
  裁判文书网 Android App 详情及列表接口,2021/6/9加入用户校验, 列表接口失效, 但详情接口仍可用, 项目不再进行维护
  ☆50Updated 4 years ago
• 1YCxZ / Fake-review-generation
  无监督中文仿真评论自动生成。 Unsupervised Automatic Generation of Chinese Fake Reviews.
  ☆83Updated 5 years ago
• ArtistScript / FastTextRank
  中文文本摘要/关键词提取
  ☆440Updated 4 years ago
• percent4 / -word-
  利用文本分析算法和Python脚本，自动纠正word中的英语单词拼写错误
  ☆47Updated 6 years ago