-
simHash,用来网页去重最常用的hash方法,速度很快.
Simhash
传统IR领域内文本相似度比较所采用的经典方法是文本相似度的向量夹角余弦,其主要思想是根据一个文章中出现词的词频构成一个向量,然后计算两篇文章对应向量的向量夹角。但由于有可能一个文章的特征向量词特别多导致整个向量维度很高,使得计算的代价太大,对于Google这种处理万亿级别的网页的搜索引擎而言是不可接受的,simhash算法的主要思想是降维,将高维的特征向量映射成一个f-bit的指纹(fingerprint),通过比较两篇文章的f-bit指纹的Hamming Distance来确定文章是否重复或者高度近似。
simhash算法很精巧,但却十分容易理解和实现,具体的simhash过程如下:
请点击左侧文件开始预览 !预览只提供20%的代码片段,完整代码需下载后查看 加载中 侵权举报
- 2022-11-14 00:20:04下载
- 积分:1
-
集回归计算、检验、方程输出为一体的逐步回归源码分享
这是我自己编写的一个完整的实现逐步回归算法的模块,只要给定数据文件、检验信度和输出文件,一切中间过程和最后回归结果都清晰可见,最大特点是自动计算出检验信度值,避免了信度查表和手工输入的麻烦,值的拥有!压缩包内含有调用实例,用户使用非常方便。
- 2022-08-21 21:24:28下载
- 积分:1
-
简单二叉树的连表算法
简单二叉树的连表算法-even simple binary tree algorithm Table
- 2022-01-24 13:44:58下载
- 积分:1
-
等离子体PIC模拟
等离子体PIC模拟-PIC simulation of plasma
- 2022-01-21 00:17:25下载
- 积分:1
-
该程序模拟一个具有不确定性的多带图灵机。它是工作的。
The program simulates a Nondeterministic Multitape Turing Machine. It works as ordinary (Deterministic) Turing Machine as well.
- 2022-04-06 15:10:00下载
- 积分:1
-
利用matlab实现kalman滤波以及信息融合
利用matlab实现kalman滤波以及信息融合-using Matlab achieve Kalman filtering, and information integration
- 2022-11-23 07:05:03下载
- 积分:1
-
works numerical algorithm commonly used language _C
工程常用数值算法_C语言-works numerical algorithm commonly used language _C
- 2023-07-04 18:40:05下载
- 积分:1
-
data mining algorithms procedures demonstration dbscan reference for C#
数据挖掘中的聚类算法程序演示参考 dbscan for C#
-data mining algorithms procedures demonstration dbscan reference for C#
- 2022-04-02 02:07:24下载
- 积分:1
-
人体动作识别
基于opencv的人体动作识别,识别效果很好,精度很高,对人体正常行走动作和跌倒动作的识别是利用存储的视频流的,可用于养老院的监护系统。
- 2022-03-07 12:38:43下载
- 积分:1
-
rand.rar随机数发生器的C++代码
rand.rar
随机数生成C++代码-rand.rar random number generator C++ code
- 2022-08-18 16:40:35下载
- 积分:1