lrcUnlimited / check_file_system
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 6 years ago
- 知乎问题及答案爬虫☆25Updated 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☆41Updated 6 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
- 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
- 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
- NLP 以及相关的学习实践☆40Updated 3 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Simhash对海量文本进行去重☆12Updated 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
- 中文文本分类器,训练简单,多种模型可选.☆44Updated 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…☆106Updated 7 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…☆21Updated 8 years ago
- Sentence Distance☆55Updated 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
- worddict crawler and transfer for sougpuinput wordict , 搜狗输入法词库抓取与格式转换☆25Updated 7 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
- fastText中文实践☆20Updated 7 years ago
- 练习题︱基于今日头条开源数据的文本挖掘☆83Updated 6 years ago
- 中文文本情感分类利用cnn☆20Updated 6 years ago
- 中文新词发现算法PNW算法，可以识别任意长度的新词。☆15Updated last year
- 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
- 基于文字密度的新闻正文提取模块，兼容python2和python3，传入新闻网址或者网页源码即可返回标题，发布时间和正文内容。☆14Updated 6 years ago
- 基于gensim模块的中文句子相似度计算☆52Updated 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
- 通用新闻类网站分布式爬虫☆76Updated 6 years ago
- 一个用BeautifulSoup写的简单的爬取百度搜索结果的爬虫☆20Updated 9 years ago
- 微博自动摘要系统 Chinese Microblog Automatic Summary System☆30Updated 6 years ago