一、中文分词：分词就是利用计算机识别出文本中词汇的过程。
1.典型应用：汉字处理：拼音输入法、手写识别、简繁转换 ；信息检索：Google 、Baidu ；内容分析：机器翻译、广告推荐、内容监控
；语音处理：语音识别、语音合成 。 2.分词难点：歧义、新词等。 3.分词技术：机械分词（查词典FMM/...
分类：
其他好文 时间：
2014-06-07 06:04:35
阅读次数：
511
时间序列数据挖掘综述http://hi.baidu.com/superkiki1989/item/33d609ec4d936204560f1d14一、引言
时间序列是指按时间顺序排列的一组数据，是一类重要的复杂数据对象。作为数据库中的一种数据形式，它广泛存在于各种大型的商业、医学、工程和社会科学.....
分类：
其他好文 时间：
2014-05-27 00:11:44
阅读次数：
392
#includeusing namespace
std;///快排，百度数据挖掘，我面到终面///他们部门经理过来面我///数据挖掘的东西，兵来将挡，水来土掩////讲完项目于对互联网的理解///他说，最后写个快排吧~~~~////FUCK，我没写出来////嚓嚓嚓嚓嚓int
AdjustArray...
分类：
其他好文 时间：
2014-05-26 14:14:50
阅读次数：
174
微博的诞生、云计算、物联网、移动互联网等各种爆炸式数据，给商业智能的蓬勃发展提供了良好的“大数据”环境。大数据为BI带来了海量数据。对挖掘来说，大数据量要更容易对比.抢夺大数据市场，需要具备一定的实力，报表的呈现和简易分析只是停留在“B”的阶段，要想达到“I”的阶段，必须要结合整个大环境、大行业的数...
分类：
其他好文 时间：
2014-05-26 07:08:41
阅读次数：
221
K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。Mahout kmeans MapReduce实现的原理和上述的一致，值得注意的是，Mahout将数据存储在HDFS，用MapReduce做批量并行的计算。在做kmeans之前，需要将文本用Mahout向量化模块工具做向量化。计算过程主要分为三个步骤：初始中心选取，寻找簇中心，划分数...
分类：
其他好文 时间：
2014-05-26 06:00:31
阅读次数：
239
现在有越来越多的人热衷于做网络爬虫（网络蜘蛛），也有越来越多的地方需要网络爬虫，比如搜索引擎、资讯采集、舆情监测等等，诸如此类。网络爬虫涉及到的技术(算法/策略)广而复杂，如网页获取、网页跟踪、网页分析、网页搜索、网页评级和结构/非结构化数据抽取以及后期更细粒度的数据挖掘等方方面面，对于新手来说，不...
分类：
Web程序 时间：
2014-05-26 05:54:50
阅读次数：
393
概述这个时代被称之为大数据时代，各行各业生产的数据量呈现爆发性增长，并且基于这些爆发性增长的数据做深层次的数据挖掘、分析。因此，我们可以很容易的感觉到，在这样一个大数据的时代，我们很多做事情的方法正在发生了改变。例如，基于大数据分析可以做疾病预测控制；基于..
分类：
其他好文 时间：
2014-05-25 08:25:49
阅读次数：
620
在数据分析和数据挖掘的过程中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如K最近邻（KNN）和K均值（K-Means）。当然衡量个体差异的方法有很多，最近查阅了相关的资料，这里整理罗列下。
为了方便下面的解释和举例，先设定我们要比较X个体和Y个体间的差异，它们都包含了N个维的特征，即X=（x1， x2， x3， ...
分类：
其他好文 时间：
2014-05-25 07:01:04
阅读次数：
317
星形模式是基于关系数据库的数据仓库中的一个著名概念，由于星形连接模式的设计思想能够满足人们从不同观察角度（维）分析数据的需求，所以在基于关系数据库的数据仓库的设计中广泛地使用了星形模式。本文主要介绍《广东省高速公路一张网资金结算情况分析系统》中的数据仓库技术。...
分类：
其他好文 时间：
2014-05-24 18:24:43
阅读次数：
297
有朋友向新辰抱怨：老板给的任务太多，每天都要写几篇原创，半个月还好说，可一个月下来都不知道写什么了。新辰说过，可以挖掘出很多长尾词，组建一个词库，然后就围绕这个词库写就行；但难倒了一波人，于是乎，便出现了大量的复制粘贴或伪原创相似的页面，当然，这是不友好的SEO行为，那SEOer应该如何降低影响呢？
虽然，百度已经说明了即使文章不是原创，只要具有可读性和符合用户体验就可收录，但是很多朋友应该...
分类：
其他好文 时间：
2014-05-22 16:59:05
阅读次数：
376
