1.预计完成时间：在一开始的时候，我并不认为这项作业的完成难度有多大。因为觉得这个程序主要的部分就是三块码，读入当前目录下的所有内容，统计单词和排序，但是我对于C++和C#两种语言都不熟悉，所以准备先用两天来熟悉语言（后来发现这个决定是错误的。。至少 不应该用这么长的时间）。在程序的具体模块中，我划...
分类：
其他好文 时间：
2014-09-25 10:46:48
阅读次数：
213
一、计划首先鉴于之前只学习过c程序和java程序的语法，对c++/c#一无所知，学习语法大约5小时。虽然上学期写过一个类似的java程序，但感觉功能还是有些区别，而且java与c++的方法好多不同，所以并不能直接在其基础上修改。写各个小功能的函数3小时，写递归函数扫描文件夹3小时。完成之后还需要对程...
分类：
其他好文 时间：
2014-09-25 03:09:58
阅读次数：
259
预计用时：在刚接到这个作业的时候，根据上学期的经验，我预计完成这份作业需要的时间为：查找资料1小时，学习c#基础知识2小时，写代码4小时，调试测试1小时实际用时：但是，当我真正开始写这份作业之后，才意识到这次的作业远比我想象预计中的复杂，于是，等做完作业之后，我的实际用时是：查找资料2小时，学习c#...
分类：
其他好文 时间：
2014-09-24 13:14:16
阅读次数：
223
开发语言：C#开发平台：Visual Studio 2013 Professional预计时间：建立工程基本框架：半小时模块-递归寻找所有文件：半小时模块-扫描&分离单词：一个半小时Debug&优化：两小时实际时间：预计时间x3事实证明，预计时间是建立在一个相当顺利的基础上才能达到的。在实际Codi...
分类：
其他好文 时间：
2014-09-24 02:54:35
阅读次数：
325
Trie树：应用于统计、排序和搜索
1. trie树定义
1.Trie树 （特例结构树）
Trie树，又称单词查找树、字典树，是一种树形结构，是一种哈希树的变种，是一种用于快速检索的多叉树结构。典型应用是用于统计和排序大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：最大限度地减少无谓的字符串比较，查询效率比哈希表高。...
分类：
其他好文 时间：
2014-09-04 09:48:08
阅读次数：
270
//这个是在原来的基础上修改以后得到的，将其中的分词的依据给换掉了，并且进行词频统计的时候会自动的忽略大小写
packageorg.apache.hadoop.mapred;
importjava.io.IOException;
importjava.util.ArrayList;
importjava.util.Iterator;
importjava.util.List;...
分类：
其他好文 时间：
2014-09-01 10:47:23
阅读次数：
334
有如图所示的输入文件。其中第一列代表ip地址，之后的偶数列代表搜索词，数字(奇数列)代表搜索次数，使用"\t"分隔。现在需要对搜索词进行分词并统计词频，此处不考虑搜索次数，可能是翻页，亦不考虑搜索链接的行为。...
分类：
其他好文 时间：
2014-08-17 11:47:02
阅读次数：
306
1.背景 最近在搞得ospaf项目（可以移步ospaf中期报告来了解），对于commits数据进行特征提取的时候发现，因为开源项目的commits的特点有以下两个主要放面：1.动词往往出现在第一个字，例如add、revert之类的。2.动词相对固定，主要也就是那几种，add、revert、update、merge、remove之类的。 所以要做的工作就比较清晰了。 ...
分类：
其他好文 时间：
2014-08-15 19:42:29
阅读次数：
206
字典树（讲解+模版）又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：利用字符串的公共前缀来节约存储空间，最大限度地减少无谓的字符串比较，查询效率比哈希表高。字典树与字典...
分类：
其他好文 时间：
2014-08-01 22:48:12
阅读次数：
416
又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：利用字符串的公共前缀来节约存储空间，最大限度地减少无谓的字符串比较，查询效率比哈希表高。字典树与字典很相似,当你要查一个...
分类：
其他好文 时间：
2014-08-01 10:28:11
阅读次数：
263
