-
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
-
中缀表达求后缀表达式及其值
中缀表达求后缀表达式及其值-expression for which there is a suffix expression and values
- 2022-03-02 19:28:46下载
- 积分:1
-
现实对称矩阵特征值特征向量的计算
计算求实对称矩阵特征值特征向量,有包括的数据文件。这一进展由 C 语言实现。计算求实对称矩阵特征值特征向量,有包括的数据文件。这一进展由 C 语言实现。计算求实对称矩阵特征值特征向量,有包括的数据文件。这一进展由 C 语言实现。计算求实对称矩阵特征值特征向量,有包括的数据文件。这一进展由 C 语言实现。计算求实对称矩阵特征值特征向量,有包括的数据文件。这一进展由 C 语言实现。
- 2022-04-18 18:53:39下载
- 积分:1
-
This is one of the Queen's algorithm of algorithms.
这是一个关于算法中的皇后问题的算法。-This is one of the Queen"s algorithm of algorithms.
- 2022-02-03 22:29:10下载
- 积分:1
-
一个实用的复杂卡尔曼滤波,对初学者很有帮助。
一个实用的复杂卡尔曼滤波,对初学者很有帮助。
-The complexity of a practical Kalman filter, useful for beginners.
- 2022-07-26 23:49:26下载
- 积分:1
-
Fortran 90
Fortran 90
- 2022-03-07 16:42:23下载
- 积分:1
-
邮政运输 2007年D题 邮政运输网络中的邮路规划和邮车调度 数学建模题目...
邮政运输 2007年D题 邮政运输网络中的邮路规划和邮车调度 数学建模题目-Post transport D title in 2007 the postal routes in the transport network planning and scheduling Postal mathematical modeling topics
- 2022-07-04 14:24:58下载
- 积分:1
-
GPS导航定位
在用户GPS接收机附近设置一个已知精度坐标的差分基准站,基准站的接收机连续接收GPS导航信号,将测得的位置或距离数据与已知的位置!距
离数据进行比较,确定误差,得出准确改正值,然后将这些改正数据通过数据链发播给覆盖区域内的用户,用以改正用户的定位结果。编程得到定位结果
- 2023-07-09 11:05:04下载
- 积分:1
-
操作系统实验读者写者的实现
读者-写者的读写限制(包括读者优先和写者优先) 1)写-写互斥,即不能有两个写者同时进行写操作 2)读-写互斥,即不能同时有一个读者在读,同时却有一个写者在写 3)读读允许,即可以有2个以上的读者同时读读者优先的限制: 如果一个读者申请读操作时,已经有一个读者在读,则该读者可以直接读写者优先的限制: 如果一个读者申请读操作时,有写者在等待访问共享资源时,则该读者要等到没有写者处于等的状态时才能开始读操作
- 2022-01-28 03:39:48下载
- 积分:1
-
Matlab主成分分析代码
这成分分析法(PCA),用来降低维度,包含一份Matlab测试源代码,一份测试文件,和源码运行结果,即Matlab figure,共同学习,希望对大家有所帮助!
- 2022-02-12 13:40:17下载
- 积分:1