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. Approximating Edit Distance Efficiently

  2. 优化编辑距离的计算，in english

  3. 所属分类：专业指导

    • 发布日期：2009-12-10
    • 文件大小：162816
    • 提供者：pandaghost

  1. 编辑距离 字符串的相似度

  2. 编辑距离（EditDistance）定义 编辑距离就是用来计算从原串（s）转换到目标串(t)所需要的最少的插入，删除和替换的数目，在NLP中应用比较广泛，如一些评测方法中就用到了（wer,mWer等），同时也常用来计算你对原文本所作的改动数。编辑距离的算法是首先由俄国科学家Levenshtein提出的，故又叫Levenshtein Distance。

  3. 所属分类：其它

    • 发布日期：2010-10-27
    • 文件大小：102400
    • 提供者：ejia1116

  1. 一个简单的字符串Edit Distance C#程序

  2. 一个简单的字符串Edit Distance C#程序

  3. 所属分类：其它

    • 发布日期：2011-07-12
    • 文件大小：32768
    • 提供者：expensun_1

  1. edit distance

  2. 计算两个文件的最小编辑距离，并且实现了线性存储~

  3. 所属分类：C/C++

    • 发布日期：2012-06-10
    • 文件大小：2048
    • 提供者：diana_211

  1. arcgis工具

  2. arcgis工具总结 1. 要素的剪切与延伸 实用工具 TASK 任务栏 Extend/Trim feature 剪切所得内容与你画线的方向有关。 2. 自动捕捉跟踪工具 点击Editor工具栏中Snapping来打开Snapping Environment对话框 捕捉设置中有3个选项， vertex edge end 分别是节点、终点、和边，选择end应该会捕捉端点 3. 图斑面积计算及长度计算 应用工具CALCULATE AREA 或者使用VBA代码实现 新建字段并开启Advanced 写

  3. 所属分类：数据库

    • 发布日期：2012-10-22
    • 文件大小：37888
    • 提供者：wu_xiujun

  1. 编辑距离的算法

  2. 编辑距离算法，即Levenshtein Distance （LD）算法。 这个算法其实是一个动态规划（DP）。levenshtein() 返回两个字符串之间的 Levenshtein 距离。 　　Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符

  3. 所属分类：C

    • 发布日期：2012-11-05
    • 文件大小：2048
    • 提供者：luzhuqiji

  1. EditDistance

  2. 编辑距离，又称Levenshtein距离（也叫做Edit Distance），是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。

  3. 所属分类：C/C++

    • 发布日期：2012-11-10
    • 文件大小：831488
    • 提供者：dzyhenry

  1. 编辑距离源码与程序

  2. 本程序由本人自己所写绝无重复，界面风格优美，里面包含源码以及exe文件

  3. 所属分类：C++

    • 发布日期：2013-04-12
    • 文件大小：6291456
    • 提供者：whwdly20080303

  1. sql server 编辑距离函数

  2. 编辑距离用来计算两个字符串的相似度。Oracle中提供了相应的函数，但是在Sql server中没有找到，因此到国外网站上copy来一个网友编写的T-SQL版的编辑距离函数。

  3. 所属分类：SQLServer

    • 发布日期：2013-06-04
    • 文件大小：2048
    • 提供者：meng8191

  1. edit distance算法

  2. 用python 实现的编辑距离算法，支持权重的定义，和词语之间的关联

  3. 所属分类：Python

    • 发布日期：2014-01-02
    • 文件大小：4096
    • 提供者：yixiaojiejie

  1. SQL SERVER实现编辑距离(Edit Distance)算法

  2. SQL SERVER实现编辑距离(Edit Distance)算法，可进行模糊匹配查询

  3. 所属分类：SQLServer

    • 发布日期：2015-05-17
    • 文件大小：28672
    • 提供者：cfox0531

  1. LD算法的python实现

  2. LD算法（Levenshtein Distance）又称编辑距离算法（Edit Distance）。以字符串A通过插入字符、删除字符、替换字符变成另一个字符串B，那么操作的过程的次数表示两个字符串的差异。本资源为此算法的python实现。（python 2.7）

  3. 所属分类：算法与数据结构

    • 发布日期：2017-12-18
    • 文件大小：2048
    • 提供者：ha_hha

  1. python-Levenshtein

  2. Levenshtein是一个python上用于计算编辑距离比较方便的包，使用Levenshtein.distance（str1, str2）函数计算编辑距离。记得转成unicode！

  3. 所属分类：Python

    • 发布日期：2019-01-04
    • 文件大小：48128
    • 提供者：wenyinchan1879

  1. Graph Matching Networks for Learning the Similarity of Graph Structured Objects

  2. 近日，DeepMind 和谷歌联合进行了一项研究，该研究提出了一种执行相似性学习的新型强大模型——图匹配网络（GMN），性能优于 GNN 和 GCN 模型。该论文已被 ICML 2019 接收。 DeepMind 和谷歌的这项新研究聚焦检索和匹配图结构对象这一极具挑战性的问题，做出了两个重要贡献。 首先，研究者展示了如何训练图神经网络（GNN），使之生成可在向量空间中执行高效相似性推理的图嵌入。其次，研究者提出了新型图匹配网络模型（GMN），该模型以一对图作为输入，通过基于跨图注意力的新型匹配

  3. 所属分类：机器学习

    • 发布日期：2019-05-07
    • 文件大小：1048576
    • 提供者：pierian_d

  1. 编辑距离（Levenshtein Distance）

  2. 是用来度量两个序列相似程度的指标。通俗地来讲，编辑距离指的是在两个单词w1，w2之间，由其中一个单词w1变为w2所需要的最少单字符编辑操作次数。 当两个字符串都为空串，那么编辑距离为0； 当其中一个字符串为空串时，那么编辑距离为另一个非空字符串的长度； 当两个字符串均为非空时(长度分别为 i 和 j )，取以下三种情况最小值即可： 1、长度分别为 i-1 和 j 的字符串的编辑距离已知，那么加1即可； 2、长度分别为 i 和 j-1 的字符串的编辑距离已知，那么加1即可； 3、长度分别为 i-1

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：120832
    • 提供者：weixin_38605144

  1. Link-state-and-Distance-vector-routing-algorithms:源代码-vector source code

  2. 链接状态和距离矢量路由算法 源代码 实现了Internet中使用的两种路由算法，并通过分析Java中的示例网络拓扑来比较它们。 使用的编辑器：NetBeans JDK版本：Java版本“ 1.8.0_20” 项目汇编。 项目中的文件相互依赖，因为我们使用一个文件到另一个文件的引用。 为了进行编译，请使用“ Makefile”文件，该文件将自动创建Java文件的类。 在运行此项目之前，必须对所有文件进行编译。 对于编译和执行： javac Distance_vect.java Lin

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：9216
    • 提供者：weixin_42138716

  1. edit-distance-word-suggestion:使用编辑距离（Levenshtein距离）的单词建议，以查找词汇表中的下一个相似单词-源码

  2. 字词建议 建议使用编辑距离（Levenshtein距离）来查找词汇表中的下一个相似单词。 动机 付诸实践并比较一些编辑距离算法。

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：11264
    • 提供者：weixin_42173205

  1. Python文本相似性计算之编辑距离详解

  2. 编辑距离 编辑距离（Edit Distance），又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。一般来说，编辑距离越小，两个串的相似度越大。 例如将kitten一字转成sitting：（’kitten’ 和 ‘sitting’ 的编辑距离为3）      sitten （k→s）      sittin （e→i）      sitting （→g） Python中的Leve

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：75776
    • 提供者：weixin_38652270

  1. edit-distance-linear-bench:编辑距离线性算法的不同实现和基准-源码

  2. 编辑距离线性工作台 这是库的基准。 另请参阅以获取详细信息。 该项目使用stack 。 因此，要构建： stack build 要运行标准基准： stack bench 或者，要生成精美HTML报告： stack bench --benchmark-arguments ' --output=report.html ' 对给定实现进行基准测试的另一种（非常草率但快速）的方法是在某些测试数据上运行一次或两次，并通过以下方式转储RTS执行统计信息： stack exec -- edit

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：18432
    • 提供者：weixin_42181545

  1. edit-distance-web:给定两个字符串，该算法将计算编辑距离-动态编程-源码

  2. edit-distance-web:给定两个字符串，该算法将计算编辑距离-动态编程

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：4096
    • 提供者：weixin_42122881
« 12 »