注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Java词频统计算法（使用单词树）

  2. 用Java实现的词频统计，代码。为了统计词汇出现频率，最简单直接的做法是另外建一个Map：key是单词，value是次数。将文章从头读到尾，读到一个单词就到Map里查一下，如果查到了则次数加一，没查到则往Map里一扔。这样做虽然代码写起来简单，但性能却非常差。首先查询Map的代价是O(logn)，假设文章的字母数为m，则整个统计程序的时间复杂度为O(mlogn)不说，如果要拿高频词可能还需要对统计结果进行排序。即便对结构上进行优化性能仍然不高。

  3. 所属分类：Java

    • 发布日期：2010-07-03
    • 文件大小：6144
    • 提供者：csqglf0302

  1. 词频统计及切词c++

  2. 本程序使用C++写的，可以用来把一个文章中带有空格的词的词频统计出来，再根据统计出的词频信息作为字典，反过来切词。切词用的算法是正向最大匹配的方法，匹配长度可以自己定。主要看数据结构的选取，会对类似问题有所帮助。

  3. 所属分类：其它

    • 发布日期：2010-09-19
    • 文件大小：5242880
    • 提供者：duanpeibo

  1. 可应用于互联网的自学习中文关键词抽取算法

  2. 请先下载CAJ阅读器 只有算法介绍 1 使用停用词表排除常用虚词及无用实词; 2 根据文档长度确定低频阈词，并排除在文档中出现次数据低于阈值的词; 3 根据词在文档中出现的次数与关键词知识库的信息计算每个词的词频； 。。。。。。

  3. 所属分类：其它

    • 发布日期：2010-11-09
    • 文件大小：25600
    • 提供者：qdfch

  1. 一种有效的多关键词词频统计方法.pdf

  2. 1 算法描述 1.1 基于BF 的方法 模式匹配中最简单、直观的算法是BF(Brute Force)算法。 设有主串S 和模式串T，分别利用计数指针i 和j 指示主串S 和模式串T 中当前正待比较的字符位置。该算法的基本思想 是：从主串S 的第pos 个字符起和模式的第一个字符比较， 若相等，则继续逐个比较后续字符；否则从主串的下一个字 符起重新和模式的字符比较。依次类推，直至模式T 中的每 个字符依次和主串S 中的一个连续的字符序列相等，则称匹 配成功，函数值为与模式T 中第一个字符相等的字

  3. 所属分类：其它

    • 发布日期：2010-11-09
    • 文件大小：386048
    • 提供者：qdfch

  1. Ｃ＃文章分类程序（基于shootseg中文分词算法、词频分类）

  2. 基于ＳｈｏｏｔＳｅｇ开源分词方法、依据词频对文章分类的程序，封装了shootseg.dll和分类match.dll，提供源码，需要的朋友可以借鉴一下！

  3. 所属分类：其它

    • 发布日期：2011-02-28
    • 文件大小：609280
    • 提供者：zeal27

  1. 用于统计文本词频的C++算法

  2. 用于统计文本词频的C++算法，基于词表的词频统计方法。

  3. 所属分类：C++

    • 发布日期：2011-04-13
    • 文件大小：39936
    • 提供者：sugarjason

  1. 双单词词频统计算法的流程图

  2. 双单词词频的统计算法流程图， 单个单词的词频统计算法也可以用这个，要是有问题，大家相互讨论，

  3. 所属分类：C

    • 发布日期：2011-07-14
    • 文件大小：49152
    • 提供者：willierstrong

  1. tf-itf算法 C++

  2. 用c++实现的全文词频计算算法，可用于相似度计算

  3. 所属分类：C++

    • 发布日期：2012-01-13
    • 文件大小：98304
    • 提供者：feixiang_927

  1. C++简单词频统计vs2010下运行

  2. c++实现的宋词词频统计程序，由于使用自身的排序算法和string类，算法效率偏低，不过可以通过修改静态常量控制程序的运行

  3. 所属分类：C++

    • 发布日期：2013-12-04
    • 文件大小：4096
    • 提供者：kh6523

  1. 基于词表和N-gram算法的新词识别实验

  2. 基于词表和N-gram算法的新词识别实验

  3. 所属分类：Web开发

    • 发布日期：2013-12-29
    • 文件大小：421888
    • 提供者：linseng129

  1. Tfidf词频计算

  2. 基于tf idf的文档集关键词提取 已经含有测试文档集 可以替换成任意需要的文档集 可以自己提供字典

  3. 所属分类：网络监控

    • 发布日期：2015-05-28
    • 文件大小：4194304
    • 提供者：baidu_24281959

  1. java调用NLPIR接口实现词频，词性，分词、情感等Demo（控制台输出测试）

  2. 此项目为调用NLPIR借口实现（大数据算法调用）。提供内容可实现词频，词性，分词、情感预判、聚类授权等大数据相关算法。纯java编写，二次开发性高

  3. 所属分类：Java

    • 发布日期：2016-10-20
    • 文件大小：24117248
    • 提供者：ctct2007

  1. 输入法模拟程序（字典树词频统计）

  2. 功能： 通过字典树等算法模拟了一个输入法频率提示工具。 原理： 没记错的话是用的字典树频率的统计方式做的。

  3. 所属分类：其它

    • 发布日期：2016-12-18
    • 文件大小：24576
    • 提供者：u013761036

  1. 词频分析工具

  2. 基于TF-IDF算法的中文文本词频统计工具，操作简单，无需代码。

  3. 所属分类：其它

    • 发布日期：2018-06-12
    • 文件大小：159744
    • 提供者：m0_37983563

  1. Java中英文文章词频分拣统计器【算法实现、一键分拣】

  2. 使用Java语言开发的中英文文章词频分析统计项目，包括一键分拣、识别算法、自动识别词语，同时对分拣的单词可以按顺序排列，

  3. 所属分类：互联网

    • 发布日期：2020-07-29
    • 文件大小：19456
    • 提供者：weixin_44985880

  1. TF_IDF算法的python实现

  2. 基于NLTK工具包，批次读取目录下面的文本数据，利用python实现了TF_IDF算法。其中，可以自行输入目录文件的绝对路径以及请输入你想显示词频的前top数量。

  3. 所属分类：机器学习

    • 发布日期：2020-12-07
    • 文件大小：4096
    • 提供者：qq_43351000

  1. TF-IDF算法解析与Python实现方法详解

  2. TF-IDF（term frequency–inverse document frequency）是一种用于信息检索（information retrieval）与文本挖掘（text mining）的常用加权技术。比较容易理解的一个应用场景是当我们手头有一些文章时，我们希望计算机能够自动地进行关键词提取。而TF-IDF就是可以帮我们完成这项任务的一种统计方法。它能够用于评估一个词语对于一个文集或一个语料库中的其中一份文档的重要程度。 在一份给定的文件里，词频 (term frequency,

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：124928
    • 提供者：weixin_38692969

  1. 学习NLP的第10天——文章关键词提取：词频统计

  2. 关键词提取是词语颗粒度的信息抽取的一种重要的需求，即提取文章中重要的词语。 关键词提取的常用方法包括词频统计、TF-IDF和TextRank等。 其中，词频和TextRank属于单文档算法，即只需一篇文章即可提取出其中的关键词；而TF-IDF则属于多文档宣发，需要其他文档的辅助来提取当前文章的关键词。 词频统计的Python实现 词频统计的逻辑是：在一篇文章中，越重要的关键词往往会在文章中反复出现；因为为了解释关键词，作者经常会反复地提及它们。所以通过统计文章中各个词语的出现频率，即可初步地获得

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：60416
    • 提供者：weixin_38653602

  1. TF-IDF和BM25算法原理及python实现

  2. 1 TF-IDF TF-IDF是英文Term Frequency–Inverse Document Frequency的缩写，中文叫做词频-逆文档频率。 一个用户问题与一个标准问题的TF-IDF相似度，是将用户问题中每一词与标准问题计算得到的TF-IDF值求和。计算公式如下： TF-IDF算法，计算较快，但是存在着缺点，由于它只考虑词频的因素，没有体现出词汇在文中上下文的地位，因此不能够很好的突出语义信息。 import numpy as np class TF_IDF_Model(ob

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：134144
    • 提供者：weixin_38653691

  1. python TF-IDF算法实现文本关键词提取

  2. TF（Term Frequency）词频，在文章中出现次数最多的词，然而文章中出现次数较多的词并不一定就是关键词，比如常见的对文章本身并没有多大意义的停用词。所以我们需要一个重要性调整系数来衡量一个词是不是常见词。该权重为IDF（Inverse Document Frequency）逆文档频率，它的大小与一个词的常见程度成反比。在我们得到词频（TF）和逆文档频率（IDF）以后，将两个值相乘，即可得到一个词的TF-IDF值，某个词对文章的重要性越高，其TF-IDF值就越大，所以排在最前面的几个词就

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：54272
    • 提供者：weixin_38663973
« 12 3 4 »