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. 去重算法Similarity

  2. 实现了SimHash算法、MinHash算法、Shingling算法、汉明距离、Jaccard Index。供初学者参考

  3. 所属分类：Java

    • 发布日期：2013-07-12
    • 文件大小：15360
    • 提供者：sssummering114

  1. 局部敏感哈希，standford 课件

  2. 这个是standford 关于局部敏感哈希的课件。主要就是介绍了什么是局部敏感hash，minhash 的主要思想，以及相应的算法，怎么生成signature matrix 的基本算法，以及相关的运用。

  3. 所属分类：讲义

    • 发布日期：2018-05-28
    • 文件大小：424960
    • 提供者：grace_0642

  1. 怎么判断文章相似性

  2. • 签名，例如md5经常用于判断文章相同，其效率比全文比对效率高 • 局部敏感哈希，例如minhash经常用于判断文章相似 • minhash的原理是，使用子集代表全集合，以子集的相似性模拟全集合的相似性 • 把文章转化为集合的常见方法是分词 • 分句，故意留错别字能够提高检测效率

  3. 所属分类：Java

    • 发布日期：2018-05-29
    • 文件大小：18432
    • 提供者：hyy80688

  1. 文本相似-Shingling、Minhash算法实验报告广工（附源码java）

  2. 实验内容：采用Shinling及Minhash技术分析以下两段文本的Jaccard相似度： (1) The TOEFL test is an English language assessment that is often required for admission by English-speaking universities and programs around the world. In addition to being accepted at more than 10,000

  3. 所属分类：Java

    • 发布日期：2019-01-10
    • 文件大小：230400
    • 提供者：baidu_39502694

  1. MinHash.java

  2. java实现的MinHash算法，用于大批量的文本检测重复度。

  3. 所属分类：Java

    • 发布日期：2019-06-20
    • 文件大小：4096
    • 提供者：wanglianrui123

  1. datasketch, MinHash，LSH，LSH林，加权 MinHash，HyperLogLog，HyperLogLog .zip

  2. datasketch, MinHash，LSH，LSH林，加权 MinHash，HyperLogLog，HyperLogLog datasketch: 大数据看起来很小 datasketch提供了可以以快速地处理和搜索大量数据 super的概率数据结构，而且精度很少。这里软件包包含以下数据草图：数据草图用法MinHash估计Jaccard

  3. 所属分类：其它

    • 发布日期：2019-09-18
    • 文件大小：2097152
    • 提供者：weixin_38744207

  1. MHAP, MinHash对齐过程( MHAP，发音映射).zip

  2. MHAP, MinHash对齐过程( MHAP，发音映射) MHAPMinHash对齐进程( MHAP发音映射): 用于检测重叠和实用程序的局部敏感哈希。 这是开发分支，请使用最新标签。插件生成你必须有最新的JDK 和 Apache Maven 。 要签出和生成运行：git clon

  3. 所属分类：其它

    • 发布日期：2019-09-18
    • 文件大小：318464
    • 提供者：weixin_38744270

  1. datasketch, MinHash，LSH，LSH林，加权 MinHash，HyperLogLog，HyperLogLog+ +.zip

  2. datasketch, MinHash，LSH，LSH林，加权 MinHash，HyperLogLog，HyperLogLog+ + datasketch: 大数据看起来很小 datasketch提供了可以以快速地处理和搜索大量数据 super的概率数据结构，而且精度很少。这里软件包包含以下数据草图：数据草图用法MinHash估计Jaccard

  3. 所属分类：其它

    • 发布日期：2019-10-10
    • 文件大小：2097152
    • 提供者：weixin_38743481

  1. minhash实验.zip

  2. 实时大数据分析minhash算法 报告，源代码和数据集 采用Minhash技术两个文本数据集Amazon News和Google Report的Jaccard相似度，给出两个集合中每条记录在另一个集合中相似度最高的记录，作为匹配结果输出。

  3. 所属分类：Hadoop

    • 发布日期：2020-06-30
    • 文件大小：632832
    • 提供者：qq_42262818

  1. SBIR_TFIDF_KMeans:在小型企业创新研究（SBIR）数据的TFIDF功能上使用KMeans进行文档聚类-源码

  2. Apache Spark中的数据科学 使用TF / IDF-> K均值聚类和LSH（MinHash） SBIR 语言：Scala和Python 要求： 火花2.x 作者：伊恩·布鲁克斯（Ian Brooks） 关注[LinkedIn-Ian Brooks PhD]（ ） 源数据 其他信息：小型企业创新研究（SBIR）计划是一项极具竞争力的计划，旨在鼓励国内小型企业从事具有商业化潜力的联邦研究/研究与开发（R / R＆D）。 通过基于奖励的竞争性计划，SBIR使小型企业能够发掘

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：2097152
    • 提供者：weixin_42134554

  1. 重复问题检测lsh：通过数据分析（包括局部敏感哈希（LSH））进行知识提取-源码

  2. 重复问题检测 通过数据分析（包括局部敏感哈希（LSH））进行知识提取。 该存储库包含一个Jupyter笔记本，该笔记本使用数据集的子集测试4种不同类型的知识提取。 测试的知识提取方法为： 使用余弦相似度的“一对VS全部” 使用Jaccard相似度的“一对多” 具有余弦相似度的SimHash和随机二元投影的LSH 具有Jashcard相似性的具有MinHash和随机置换函数的LSH

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：220160
    • 提供者：weixin_42098830

  1. sourmash-minimal-feedstock：一个用于sourmash-minimal的conda-smithy库-源码

  2. 关于极小值 主页： ： 软件包许可证：BSD-3-Clause 原料许可证： 摘要：计算和比较DNA数据集的MinHash签名。 开发： ： 文档： : 这是一个最小的版本，避免了严重的依赖关系，并尽可能跨平台。 要获取完整版本，请检查bioconda中的sourmash软件包。 当前构建状态 特拉维斯 无人机 蔚蓝 变体 状态 linux_64_python3.7 .____ 73_pypy linux_64_python3.7 .____ cpython l

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：30720
    • 提供者：weixin_42181693

  1. modimizer：使用新型缩减型kmer进行快速DNA读集匹配和组装的工具集-源码

  2. 修改器 使用简单的kmer采样方法进行快速，节省空间的DNA读集匹配和组装的工具集。 具有精确kmer匹配的种子序列比对是DNA序列匹配和数据集分析的许多生物信息学方法的关键组成部分。 存在用于快速枚举读取集的所有kmers的工具，但是将它们全部表示在内存中的开销很大。 快速访问的自然工具是哈希表，但这可能会占用更多空间。 最近，已经引入了minhash和最小化方法，这些方法仅通过使用kmer的子集来节省速度上的空间。 对于这些方法，基于它们的哈希值相对于集合中的其他值较低（minhash）还

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：68608
    • 提供者：weixin_42162216

  1. 实验室生物信息学：大学工作。 适用于长DNA序列的近似比对仪。 通过最小化器和MinHash从k-mers估计Jaccard相似度，然后将其用作序列身份代理-源码

  2. 将长读映射到大型参考数据库 这是FER（ ）上的生物信息学课程的一个项目。 描述实现算法的论文可以在 找到，其C ++实现。 随着作者对算法的改进，C ++实现似乎与本文的描述有所不同。 安装 该程序的依赖项全部捆绑在./pom.xml ，因此将自动下载。 您只需要在计算机上安装Maven。 从项目根目录运行mvn package应该足以将程序安装在./target下。 运行程序 该程序需要两个参数，即FASTA文件格式的引用和查询（提供的FASTA文件不应包含任何注释）。 您可以通过发出

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：1048576
    • 提供者：weixin_42153793

  1. set-sketch-paper：SetSketch：填补MinHash和HyperLogLog之间的空白-源码

  2. SetSketch：填补MinHash和HyperLogLog之间的空白 该存储库包含源代码，可重现论文“ SetSketch：填补MinHash和HyperLogLog之间的空白”（ ）中提出的所有结果和图形。 抽象 MinHash和HyperLogLog是草绘算法，对于大数据应用程序中的集合摘要而言已成为必不可少的算法。 HyperLogLog允许以很小的空间对不同元素进行计数，而MinHash适用于集合的快速比较，因为它可以估计Jaccard相似度和其他联合数量。 这项工作提出了一个名为S

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：13631488
    • 提供者：weixin_42131367

  1. BoomFilters：用于处理连续无界流的概率数据结构-源码

  2. 动臂过滤器 动臂过滤器是用于 概率数据结构。 这包括稳定的Bloom过滤器，可伸缩的Bloom过滤器， Counting Bloom过滤器， Inverse Bloom过滤器， Cuckoo过滤器，传统Bloom过滤器的几种变体， HyperLogLog ， Count-Min Sketch和MinHash 。 经典布隆过滤器通常需要先验数据集才能分配适当大小的位阵列。 这对于脱机处理非常有效，但是联机处理通常涉及无限制的数据流。 有了足够的数据，传统的Bloom过滤器会“填充”，之后它的假

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：57344
    • 提供者：weixin_42119989