yxlHuster / news-duplicated
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
☆23Updated 10 years ago
Alternatives and similar repositories for news-duplicated:
Users that are interested in news-duplicated are comparing it to the libraries listed below
- 搜狐实习自动回复项目:语音识别、问题过滤、答案推荐☆8Updated 10 years ago
- 推荐算法☆30Updated 9 years ago
- 本项目转移到https://github.com/cocolian/cocolian-nlp☆34Updated 10 years ago
- 基于词典的负面舆情信息评分算法。☆26Updated 10 years ago
- 微博情感分析☆12Updated 11 years ago
- dw etl 工具 mysql 增量、全量抽取 to hive. 合并 hive 数据表, 等数据平台清洗工具☆9Updated 8 years ago
- 分布式大数据SQL查询可视化界面!☆68Updated 9 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
- 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☆29Updated 7 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 9 years ago
- 推荐系统相关代码☆23Updated 9 years ago
- 基于知识图谱技术的搜素引擎研发☆19Updated 7 years ago
- ☆29Updated 8 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☆76Updated 11 years ago
- Document preprocessing for preparing formatted input data which is suitable for LibSVM tool.☆50Updated 7 years ago
- ☆11Updated 7 years ago
- 实现中文文本分类,支持文件、文本分类,基于多项式分布的朴素贝叶斯分类器。由于工作实际应用是二分类,加之考虑到每个分类属性都建立map存储词语向量可能引起的内存问题,所以目前只支持二分类。当然,直接复用这个结构扩展到多分类也是很容易。之所以自己写,主要原因是没有仔细研读mah…☆22Updated 8 years ago
- nutz+jetty+h2 做的一个web应用☆40Updated 8 years ago
- SparkSQL数据分析案例☆23Updated 8 years ago
- Spark 编程指南简体中文版☆33Updated 8 years ago
- 微博数据分析服务框架。☆12Updated 9 years ago
- Refactored version for https://github.com/shirdrn/document-processor.git☆15Updated 7 years ago
- ☆21Updated 8 years ago
- 个性化的促销信息推荐系统☆27Updated 7 years ago
- 一个比Spark-Parquet还快5~100倍的存储格式☆12Updated 8 years ago
- Library to use HBase as a spout from within Storm.☆52Updated 4 years ago
- spark mllib example☆28Updated 9 years ago
- hbase+solr实现hbase的二级索引☆48Updated 3 years ago
- Kafka, Storm, Zookeeper, and Openfire running in Docker☆14Updated 9 years ago
- 基于spark、mahout和spring boot构建的推荐系统☆131Updated this week