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
文本特征向量 经典的向量空间模型(VSM: Vector Space
Model)由Salton等人于60年代提出，并成功地应用于著名的SMART文本检索系统。VSM概念简单,把对文本内容的处理简化为向量空间中的向量运算,并且它以空间上的相似度表达语义的相似度,直观易懂。当文档被表示为文档空间的向量...
分类：
其他好文 时间：
2014-06-07 06:02:47
阅读次数：
248
大量数据流动是web应用性能问题常见的原因，而缓存被广泛的用于优化数据库应用。cache被设计为通过保存从数据库里load的数据来减少应用和数据库之间的数据流动。数据库访问只有当检索的数据不在cache里可用时才必要。hibernate可以用两种不同的对象缓存：first-level
cache 和...
分类：
编程语言 时间：
2014-05-29 23:12:43
阅读次数：
349
引言：MYSQL由于其免费和开源的性质，在项目中用处广泛。大家都知道，一个MySQL数据库能够储存大量的数据，如果要在大量的数据中查找某一个数据，如果使用全表检索的话，即费时间又费力气，这时，就需要一种手段来减少这种消耗，这时候，索引就出现了！这里就简要介绍一下MYSQL的索引相关的内容。索引是啥球...
分类：
数据库 时间：
2014-05-29 22:03:56
阅读次数：
490
memcached是一款非常优秀的分布式缓存工具，有效提升了按主键检索数据的性能问题。而simple-spring-memcached组件通过与spring框架整合，让memcached的调用变得更加简单。simple-spring-memcached本质上是采用了AOP的方式来实现缓存的调用和管理...
分类：
编程语言 时间：
2014-05-29 20:46:39
阅读次数：
481
议题：布隆过滤器（Bloom
Filter）分析：BF由一个很长的二进制向量和一系列随机映射的函数组成，通过多个Hash函数将一个元素映射到一个Bit
Array中的多个点，查询的时候仅当所有的映射点都为1才能判断元素存在于集合内；BF用于检索一个元素是否在一个集合中，记忆集合求交集；优点是空间 和...
分类：
其他好文 时间：
2014-05-29 00:18:07
阅读次数：
324
我会在接下来的注册过程中逐步完善该流程.为公司取一个名字所需要文件:
> 填写已准备好的公司名称，由工商局上网（工商局内部网）检索是否有重名，如果没有重名，就可以使用这个名称，就会核发一张"企业（字号）名称预先核准通知书"
分类：
其他好文 时间：
2014-05-28 14:28:33
阅读次数：
248
出题：TRIE树 （Trie Tree or Prefix
Tree）；分析：又称字典树或者前缀树，一种用于快速检索的多叉树结构；英文字母的Trie树为26叉树，数字的Trie树为10叉树；All the
descendants of a node have a common prefix of t...
分类：
其他好文 时间：
2014-05-26 18:31:06
阅读次数：
297
SQL-3标准中提供了三种对检索结果进行集合运算的命令：并集UNION；交集INTERSECT；差集EXCEPT（在Oracle中叫做
MINUS）。在有些数据库中对此的支持不够充分，如MySql中只有UNION，没有其他两种。实际上这些运算都可以通过普通的SQL来实现，虽然有时有些繁琐。假设有两个...
分类：
数据库 时间：
2014-05-26 18:07:14
阅读次数：
457
敏感词、文字过滤是一个网站必不可少的功能，如何设计一个好的、高效的过滤算法是非常有必要的。前段时间我一个朋友（马上毕业，接触编程不久）要我帮他看一个文字过滤的东西，它说检索效率非常慢。我把它程序拿过来一看，整个过程如下：读取敏感词库、如果HashSet集合中，获取页面上传文字，然后进行匹配。我就想这个过程肯定是非常慢的。对于他这个没有接触的人来说我想也只能想到这个，更高级点就是正则表达式。但是非常...
分类：
编程语言 时间：
2014-05-25 21:26:01
阅读次数：
386
