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
- 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
- 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 6 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
- 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…☆56Updated 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
- 使用Simhash对海量文本进行去重☆12Updated 7 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
- 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…☆223Updated 6 years ago
- 基于gensim模块的中文句子相似度计算☆52Updated 7 years ago
- 海量中文文本快速查重☆17Updated 6 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
- 练习题︱基于今日头条开源数据的文本挖掘☆84Updated 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。☆65Updated 5 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pyltp的工具，基于中文依存句法的四大名著人物情节分析系统。分为整体分析和章节分析两大模块,实现了人物篇幅分析，故事发生地分析，主要人物情绪变化分析，人物互动情况分析.☆94Updated 8 years ago
- 电商评论观点挖掘☆39Updated 6 years ago
- 使用simhash算法,快速索引和查询大量文本简历☆22Updated 9 years ago
- 智能客服☆106Updated 6 years ago
- 常见中文知识图谱的链接☆22Updated 8 years ago
- 语义相似度计算各种算法实现汇总☆46Updated 7 years ago
- 利用文本挖掘技术进行新闻热点关注问题分析☆163Updated 6 years ago
- 手动实现Elasticsearch的倒排索引以及BM25算法☆47Updated 6 years ago
- 基于20W金融资讯训练得到的词向量☆25Updated 7 years ago
- Sentence Distance☆55Updated 7 years ago
- 新闻网站爬虫,目前能够爬取网易，新浪，qq，搜狐等三家网站的新闻页面，并保存到本地。☆34Updated 10 years ago
- 专业领域词库构建/中文新词发现/专业词库发现☆29Updated 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 7 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…☆54Updated 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 4 years ago