上个月对一个小项目的效果进行改进，时间紧，只有不到一周的时间，所以思考了一下就用了最简单的方法来做，跟大家分享一下（项目场景用的类似的场景） 项目场景：分析一个产品的竞品，譬如app的竞品、网站的竞品等等 项目分析：简单来说就是竞品分析，竞品分析有很多比较成熟的方法，但是我认为，竞品分析其实和推荐有 ...
分类：
其他好文 时间：
2017-09-11 15:18:26
阅读次数：
156
在处理非完全图的聚类时候，很难找到一个有效的聚类算法去做聚类。 对于下图来说，10号点和15号点的位置相隔并不是那么近，如用普通聚类算法对下图做聚类，通常会把10号点和15号点聚在一个类上，所以一般的聚类效果并没有那么好。 而谱聚类，就很能很好的处理这类问题。 下面我们来重点介绍谱聚类 谱聚类（Sp ...
分类：
编程语言 时间：
2017-09-07 13:41:29
阅读次数：
325
基于内容的推荐通常是给定一篇文档信息，然后给用户推荐与该文档相识的文档。Lucene的api中有实现查询文章相似度的接口，叫MoreLikeThis。Elasticsearch封装了该接口，通过Elasticsearch的More like this查询接口，我们可以非常方便的实现基于内容的推荐。 ...
分类：
其他好文 时间：
2017-09-05 17:53:10
阅读次数：
236
一，算法介绍 在CS124课程的第一周提到 求解两个字符串相似度的算法 Minimum Edit Distance（最短编辑距离）算法。该算法在NLP（自然语言处理）中也会用到。 如何定义相似度呢？任给两个字符串X 和Y，使用以下三种操作将 字符串X 变到 字符串Y ：①插入(Insert)操作；② ...
分类：
编程语言 时间：
2017-09-02 18:05:35
阅读次数：
228
一、基本概念 simhash是为了计算一篇文档之间的相似度存在的，通过simhash算法可以计算出文档的simhash值，通过各个文档计算出的二进制值来计算文档之间的汉明距离，然后根据汉明距离来比较文档之间的相似度。汉明距离是指两个相同长度的字符串相同位置上不同的字符的个数。 simhash算法分为 ...
分类：
编程语言 时间：
2017-08-31 16:03:58
阅读次数：
135
一、均值hash 均值hash方法是对每幅图片生成一个“指纹”字符串，然后通过比较不同图片的指纹来确定图片的相似性，比较结果越接近，则说明图片越相似。 计算均值hash的步骤。 1、缩小尺寸 去除高频和细节的最快方法是缩小图片，将图片缩小到8x8的尺寸，总共64个像素。不要保持纵横比，只需将其变成8 ...
分类：
编程语言 时间：
2017-08-31 16:02:41
阅读次数：
201
转 理解起来不难，但是很实用。 核心公式就是下面： （1） 1.百度百科介绍： 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。 编辑距离的算法是首先由俄国科学家L ...
分类：
编程语言 时间：
2017-08-30 11:06:14
阅读次数：
158
所以说oj上总是不会没了牛 所以我们就可以看出john和他的奶牛是多么活泼了，上一个这么活泼的是蓝精灵和格格巫…..不管怎么讲题还是要写的，那么下面我们就看看这道题的解题思路。 简单的二维题基本，枚举每头奶牛的位置，计算出他们之间的距离，求最大的值，并记录此时奶牛的编号,和奶牛的相似度类似，可参考奶 ...
分类：
其他好文 时间：
2017-08-29 14:28:29
阅读次数：
114
nlp中语义理解一直是业内的难题。汉语不同于英语，同样一个意思，可以有很多种说法，比如你是谁的问题，就可以有如下几种：①你是谁？②你叫什么名字？③您贵姓？④介绍一下你自己 等等。这些句子在语义上是十分接近的，如果做一个智能音响，对音响说出上述任何一句，其结果不应该因为句子形式的不同而不同，也就是说训 ...
分类：
其他好文 时间：
2017-08-25 01:05:28
阅读次数：
2998
1. 缩小尺寸：将图像缩小到8*8的尺寸，总共64个像素。这一步的作用是去除图像的细节，只保留结构/明暗等基本信息，摒弃不同尺寸/比例带来的图像差异； 注：实际操作时，采取了两种尺寸作对比（10*10，100*100）尺寸再大的话就会性能影响就会较大了，我实现了两种，目的是为了展示怎么设定不同尺寸。 ...
分类：
移动开发 时间：
2017-08-23 18:14:20
阅读次数：
188
