weixin_35227692的博客

首先说布尔检索，顾名思义 用0，1 代表真假值来进行检索。比如两句话    我爱吃鸭，  他爱吃鸡可以构造出一个二维矩阵：横坐标是每一句话包含的信息，纵坐标是所有文字   句子1 句子2 句子n。。。。你00。。我10。。他01。。吃11。。等等。。。。。当用户想要检索某些文字的时候 直接查找对应的文章就好了。但是这样表述太浪费空间，远远不够实践所需的条件，所以倒排索引就应运而生。正排索引就是像上...

1，普通的穷举法暴力破解就是类似于建立敏感词字典树那种感觉，两个角标，两个循环，一点一点比较。 2，Rabin-Karp算法 比第一个算法高级一点，是用hash值的思想来比较的，先算出要比较的字符串的hash值，再一段一段的算出待比较字符串字串的hash值，这个时候，如果hash值不同，自然进入下一个字串的比较，如果hash值相同，再用一个一个character对比的方法，

文件的压缩一直都是互联网非常重要的一个环节，它的直接作用就是服务于文件的传输。文件的压缩可以按照压缩方式分为三个类别， static 静态压缩， semi-static 半静态压缩和 adaptive，适应性压缩。static：利用已有的数据集直接进行压缩。比如，用字典压缩一个文本，每一个单词都可以对应到这个单词的索引，如几页几行（便于理解，假设这种表示方式会节省bit的情况下）。

word2vec是极简主义的谷歌公司开发出来的一套工具，主要问题是解决文本词的预测问题，即给定上下文，得到该位置最大可能的结果。在此之前有很多功能类似的方法，比如统计模型中的Ngram模型。但是这个模型存在很多问题。首先 一阶模型忽略了词与词之间的顺序关系，本质上与向量空间模型，没什么区别。而三阶以上的模型，首先计算量太大，其次，段落与段落之间，句子与句子之间一些词语也会共现，对于整体的效果不是很...

基于文本的情感分析，主要关注文章中的主观句，所以，subjective classifier即将主观句从文本中分离出来，就是整个情感分析的第一步。一般来说，这个方法是基于规则的分类方法——句子中包含n（一般为2）个表达情感的词语时就认为这个句子是主观句。对于这个问题，Bing Liu 给出了一个情感分析的模型，对于非比较主观句而言，分为五个成分：O 为实体对象F 为实体特征SO 为

感知器是一个1958年被提出的机器学习算法，到今天仍在使用。它是一个有监督学习的线性回归解决二分类问题。主要解决的问题就是在给定训练集（data，label）的条件下，如何给每个数据找到一个特有的权重，使得最终的结果可以拟合训练数据各自的标签分类。这个时候可以定义一个线性的模型（比如：文本情感分类中， 模型=sum（词频*权重）），将得到的结果与一个阈值（比如是0）进行比较，大于0就是正向的，小于...

鉴于网上所有博客都是上来就贴公式，本人在学习的时候，根本没有办法理解svm到底要干什么，所以有了这篇稍微通俗一点的讲解并且附上本人的学习资料。（u其实就是x）关于第一步的解释： 我们把坐标系中的点都看作是向量（坐标系就是你选取的feature），w 是分界线的垂直向量， 根据图上的公式，我们可以求任何一个点 在决策线的垂直方向上的投影。 根据这个投影长度是不是超过决策线，我们就可以判断这个点的分类...