lrcUnlimited / check_file_systemLinks
simhash算法实现海量内容查重
☆14Updated 9 years ago
Alternatives and similar repositories for check_file_system
Users that are interested in check_file_system are comparing it to the libraries listed below
Sorting:
- self complemented BaiduIndexSpyder based on Selenium , index image decode and num image transfer，基于关键词的历时百度搜索指数自动采集☆42Updated 7 years ago
- self complemented WeiboIndexSpyder based on Selenium ，新浪微博指数(微指数)采集，包括综合指数，移动端指数，PC端指数☆31Updated 7 years ago
- 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…☆108Updated 7 years ago
- Event monitor based on online news corpus including event storyline and analysis，基于给定事件关键词，采集事件资讯，对事件进行挖掘和分析。☆153Updated 7 years ago
- 个人实现的基于Django与semantic-ui的语言计算实验平台, 功能包括自然语言综合处理,词语计算,社会热点计算,人物计算,文学画像,职位画像等社会计算功能☆29Updated 7 years ago
- 依据香港中文大学设计的规则系统，先用小样本评论建立初始关键词库，再结合18种句式逐条匹配评论，能够快速准确地识别评论对象及情感极性。经多次迭代优化关键词库后，达到较高准确率的基础上，使用Tableau进一步分析数据，识别出客户集中关注的商品属性、普遍好评差评的商品属性；通过…☆57Updated 8 years ago
- 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…☆226Updated 7 years ago
- 从门户网站爬取新闻的摘要-标题对使用seq2seq根据摘要生成标题☆45Updated 8 years ago
- 用TF特征向量和simhash指纹计算中文文本的相似度☆217Updated 9 years ago
- 练习题︱基于今日头条开源数据的文本挖掘☆83Updated 7 years ago
- 摘要、关键字、关键词组、文本相似度、分词分句（自然语言处理工具包）☆11Updated 6 years ago
- 机器学习文本分类器☆45Updated 9 years ago
- 利用文本挖掘技术进行新闻热点关注问题分析☆170Updated 7 years ago
- 通用新闻类网站分布式爬虫☆79Updated 7 years ago
- 常见中文知识图谱的链接☆22Updated 8 years ago
- 基于gensim模块的中文句子相似度计算☆52Updated 7 years ago
- 发现新词 无监督词库生成 医学词库生成 发现未登录词☆79Updated 5 years ago
- 语义相似度计算各种算法实现汇总☆47Updated 8 years ago
- Syntax and Ruler-Based Doc sentiment analysis 基于依存句法规则的篇章级情感分析demo☆107Updated 6 years ago
- 今日头条 爬虫，主要爬取关键词搜索结果，包含编辑距离算法、奇异值分解、k-means聚类。☆71Updated 6 years ago
- 新闻检索：爬虫定向采集3-4个网页，实现网页信息的抽取、检索和索引。网页个数不少于10个，能按时间、相关度、热度等属性进行排序，并实现相似主题的自动聚类。可以实现：有相关搜索推荐、snippet生成、结果预览(鼠标移到相关结果， 能预览)功能☆128Updated 9 years ago
- Sentence Distance☆55Updated 7 years ago
- ZhidaoChatbot, a chatbot that can be an expert on the common questions like why,how,when,who,what based on the online question-answer web…☆43Updated 6 years ago
- 朴素贝叶斯实现的文本分类（新闻分类）☆66Updated 10 years ago
- 黄金舆情数据分析☆51Updated 8 years ago
- 海量中文文本快速查重☆18Updated 7 years ago
- 2017 DF,CCF大数据与计算智能大赛——“中印对峙事件舆情分析”赛题全网数据☆25Updated 7 years ago
- 使用simhash算法,快速索引和查询大量文本简历☆21Updated 10 years ago
- self complement of baike knowledge base info-box extraction by online analysis.基于互动百科,百度百科,搜狗百科的词条infobox结构化信息抽取,百科知识的融合☆37Updated 7 years ago
- 用tf实现各种文本分类模型，并且封装restful接口，可以直接工程化☆33Updated 6 years ago