lrcUnlimited / check_file_system
simhash算法实现海量内容查重
☆14Updated 8 years ago
Related projects ⓘ
Alternatives and complementary repositories for check_file_system
- 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 6 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
- 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 6 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
- 使用Simhash对海量文本进行去重☆11Updated 6 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
- 使用simhash算法,快速索引和查询大量文本简历☆22Updated 8 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☆41Updated 6 years ago
- 文章标签抽取☆15Updated 5 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 5 years ago
- Self complemented Key infomation extraction including keywords, abstract from text using algorithm like textrank ,tfidf 基于Textrank算法的文本摘要…☆53Updated 6 years ago
- 深度学习用于近日头条用户画像☆26Updated 6 years ago
- 练习题︱基于今日头条开源数据的文本挖掘☆85Updated 5 years ago
- 金融问答平台文本数据采集/爬取，数据源涉及上交所，深交所，全景网及新浪股吧☆39Updated 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…☆42Updated 5 years ago
- 电商评论观点挖掘☆38Updated 5 years ago
- 基于知识图谱的旅游领域智能问答。☆7Updated 4 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…☆102Updated 6 years ago
- 这个是一个《电商标题数据相似度匹配系统》，使用方法有：tfidf+词袋模型，余弦相似度，word2vec☆25Updated 4 years ago
- 本文提出一种基于应答关系来挖掘QQ群中意见领袖的方法，该方法首先构建回应词词库，然后基于Aho-Corasick算法来匹配聊天文本中的回应词数据，构建出用户应答关系的网络结构，最后使用社交网络中重要节点识别的方法来发现意见领袖。该方法对QQ群中的意见领袖发现具有较高的准确率…☆22Updated 8 years ago
- 常见中文知识图谱的链接☆22Updated 7 years ago
- 微博自动摘要系统 Chinese Microblog Automatic Summary System☆31Updated 5 years ago
- 基于gensim模块的中文句子相似度计算☆54Updated 6 years ago
- 极简爬虫工作流☆41Updated last year
- 用于发现热议事件的新闻文本聚类算法的python实现☆35Updated 8 years ago
- 金庸小说人物关系图谱构建☆62Updated 5 years ago
- 新词发现，信息熵，左右互信息☆16Updated 6 years ago
- NLP 以及相关的学习实践☆40Updated 2 years ago