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 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
- 使用Simhash对海量文本进行去重☆12Updated 7 years ago
- 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
- 使用simhash算法,快速索引和查询大量文本简历☆22Updated 9 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
- 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 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…☆53Updated 7 years ago
- Sentence Distance☆55Updated 6 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…☆42Updated 6 years ago
- 使用python实现了一个简单的trie树结构，可增加/查找/删除关键词，用于中文文本的关键词匹配、停用词删除等。☆64Updated 5 years ago
- 机器学习文本分类器☆46Updated 8 years ago
- 针对微博的话题聚类实现☆49Updated 9 years ago
- 对汽车之家论坛里的评论数据处理和分析，利用用户潜在行为数据得出用户行为特征，采用LDA主题模型得出用户评论的主题特征，采用Word2Vec词向量模型得出用户评论的文本内容特征，采用K-Means聚类得出水军文本类别，结合用户行为特征，最终实现了对网络水军的识别。☆24Updated 5 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…☆107Updated 7 years ago
- 通用新闻类网站分布式爬虫☆76Updated 6 years ago
- 细粒度情感分析repository1：Wai Mai Opinion Miner，细粒度情感分析系统GUI demo。☆112Updated 9 years ago
- 常见中文知识图谱的链接☆22Updated 8 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 5 years ago
- 文章标签抽取☆16Updated 6 years ago
- openlaw数据爬虫v1.1 更新日期:2017.12.16 解决新版openlaw多种加密问题。引入celery轻松异步分布式，爬取速度再次翻倍！！☆57Updated 5 years ago
- 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☆44Updated 7 years ago
- 中文文本分类器,训练简单,多种模型可选.☆44Updated 7 years ago
- 海量中文文本快速查重☆17Updated 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。☆72Updated 5 years ago
- 基于20W金融资讯训练得到的词向量☆25Updated 7 years ago
- 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
- 基于gensim模块的中文句子相似度计算☆52Updated 6 years ago
- NLP的一些小例子,如:文本分类、文本纠错、关键词提取、自动摘要等☆23Updated 6 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。☆152Updated 6 years ago
- 中文文 本情感分类利用cnn☆20Updated 6 years ago