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☆74Updated 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☆10Updated 8 years ago
- Refactored version for https://github.com/shirdrn/document-processor.git☆15Updated 8 years ago
- Kafka Eagle used to describe the use of Wiki☆11Updated 5 years ago
- 一款基于Java注解的elasticsearch mapping生成工具，支持ES 5.2.0所有可选参数☆21Updated 8 years ago
- 基于Nutch+ElasticSearch+MySQL+SSM的简易搜索引擎☆20Updated 9 years ago
- 基于Flume、Kafka、SparkSql模拟的实时日志分析系统☆12Updated 9 years ago
- ZkConfig是为zookeeper开发的配置服务工具包，能与现有的Java系统进行良好的集成，也可以使用与非java系统以独立进程运行。提供与spring进行集成的插件。采用注解方式对需要动态更新的内存数据对象进行标注。 ZkConfig用于解决在系统集群中配置文件的实…☆25Updated 10 years ago
- ☆24Updated 9 years ago
- storm kafka hdfs examples☆21Updated 8 years ago