Lucene之六（Lucene内置Analysis分析器）

EricLiseo2register.blog.chinaunix.net

首页　| 　博文目录　| 　关于我

jiangwen127

博客访问： 2462416
博文数量： 392
博客积分： 7040
博客等级：少将
技术积分： 4138
用户组：普通用户
注册时间： 2009-06-17 13:03

个人简介

范德萨发而为

文章分类

全部博文（392）

nosql（1）
c/c++（7）
machine lea（67）
设计模式（1）
web架构（35）
关系型database（23）
distributed（11）
fuckingwindows（1）
SE（24）
life（9）
berkeleyDB（4）
beauty of math（3）
Java_study（11）
algorithm（77）
kernel（16）
hadoop（13）
programming（8）
network（9）
linux operation（14）
bash（12）
reading（5）
STL using（8）
intern（0）
job_hunter（29）
未分配的博文（4）

文章存档

2017年（5）

2016年（19）

2015年（34）

2014年（14）

2013年（47）

2013年12月（2）
2013年11月（3）
2013年09月（7）
2013年08月（5）
2013年07月（2）
2013年06月（10）
2013年05月（3）
2013年04月（2）
2013年03月（4）
2013年02月（5）
2013年01月（4）

2012年（40）

2011年（51）

2010年（137）

2009年（45）

我的朋友

最近访客

推荐博文

Lucene之六（Lucene内置Analysis分析器）

发布时间：2013-03-29 17:29:35

1、WhitespaceAnalyzer 仅仅是去除空格，对字符没有lowcase化,不支持中文；并且不对生成的词汇单元进行其他的规范化处理。2、SimpleAnalyzer 功能强于WhitespaceAnalyzer, 首先会通过非字母字符来分割文本信息，然后将词汇单元统一为小写形式。该分.........【阅读全文】

阅读(1181) | 评论(0) | 转发(0)

IK分词加载自定义停用词/扩展词

发布时间：2013-03-27 19:16:04

在代码的主目录下添加如下文件：IK Analyzer扩展配置extwords.dicstopword.dic这里.........【阅读全文】

阅读(6008) | 评论(0) | 转发(0)

mahout应用kmeans进行文本聚类——实例分析

发布时间：2013-03-21 17:13:21

http://blog.sina.com.cn/s/blog_6e6ef9830101ahs9.html在Mahout_in_Action这本书中，给了一个文本的聚类实例，并提供了原始输入数据，下面结合例子说明作为聚类算法的主要应用场景 - 文本分类，对文本信息的建模也是一个常见的问题。在信息检索研究领域已经有很好的建模方式，就是信息检索领域中最常用的向量空间.........【阅读全文】

阅读(6301) | 评论(0) | 转发(0)

Simhash算法原理和网页查重应用

发布时间：2013-03-19 17:59:08

传统的hash算法只负责将原始内容尽量均匀随机地映射为一个签名值，原理上相当于伪随机数产生算法。产生的两个签名，如果相等，说明原始内容在一定概率下是相等的；如果不相等，除了说明原始内容不相等外，不再提供任何信息，因为即使原始内容只相差一个字节，所产生的签名也很可能差别极大。从这个意义上来说，要设计一个.........【阅读全文】

阅读(1607) | 评论(0) | 转发(0)

给主人留下些什么吧！~~