yxlHuster / news-duplicatedLinks
文本去重算法,研究自推荐系统中新闻的去重,采用了雅虎的Near-duplicates and shingling算法,服务端用c实现,客户端用java实现,利用thrift框架进行通信,为了提高扩展性,去重可以在服务端实现,服务器也提供了计算的接口,方便客户端自己扩展
☆24Updated 11 years ago
Alternatives and similar repositories for news-duplicated
Users that are interested in news-duplicated are comparing it to the libraries listed below
Sorting:
- 读书笔记《自己动手写网络爬虫》,自己敲的代码。主要记录了网络爬虫的基本实现,网页去重的算法,网页指纹算法,文本信息挖掘☆47Updated 10 years ago
- 微博情感分析☆12Updated 12 years ago
- 用户画像代码,根据算法推算出用户的性别和年龄比率☆11Updated 7 years ago
- 海狗-多维在线分析系统☆72Updated 11 years ago
- 基于词典的负面舆情信息评分算法。☆26Updated 10 years ago
- 基于spark、mahout和spring boot构建的推荐系统☆130Updated last week
- 实时数据分析平台☆42Updated 12 years ago
- 分布式大数据SQL查询可视化界面!☆68Updated 10 years ago
- 舆情搜索服务框架,其中lucene和solr版本为4.8。☆61Updated 9 years ago
- 通过HBase Observer同步数据到ElasticSearch☆54Updated 10 years ago
- 一个比Spark-Parquet还快5~100倍的存储格式☆12Updated 9 years ago
- 微博数据分析服务框架。☆12Updated 9 years ago
- 新闻评论观点挖掘系统,粗粒度的分析出新闻网评观点的倾向和走势☆53Updated 10 years ago
- 本项目转移到https://github.com/cocolian/cocolian-nlp☆34Updated 11 years ago
- nutz+jetty+h2 做的一个web应用☆40Updated 9 years ago
- 使用Spark的MLlib、Hbase作为模型、Hive作数据清洗的核心推荐引擎,在Spark on Yarn测试通过☆30Updated 8 years ago
- 《Storm Blueprints: Patterns for Distributed Real-time Computation 》一书的源码和翻译☆59Updated 10 years ago
- 大规模分布式系统的跟踪、监控、告警平台☆55Updated 11 years ago
- Serviceframework一个简单但灵活的模块引擎☆31Updated 8 years ago
- Kafka, Storm, Zookeeper, and Openfire running in Docker☆14Updated 10 years ago
- 基于Map/Reduce爬虫,可抽取各大新闻网站的新闻正文并进行分类和聚类