面向文本拷贝检测的分布式索引

来源 :中文信息学报 | 被引量 : 0次 | 上传用户:TIMLEE123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
如何对大规模文档集进行高效的拷贝检测是长期以来一直受到研究者们关注的问题。通常的拷贝检测算法都需要借助倒排索引。因此良好的索引结构对于算法性能至关重要。同时,随着文档集规模的增大,单机实现的索引已经不能满足拷贝检测的需求,需要引入分布式存储的索引。为了适应文档集规模的不断增大,良好的分布式索引应该同时具备较高的效率和可扩展性。为此该文比较了两种不同的分布式索引结构,Term-Split索引和Doc-Split索引,并且给出了Map-Reduce范式下建立这两种索引的实现,以及以这两种索引为基础的文本拷贝检
其他文献
有的人开关容院时间长达一二十年,却依然只是在做一家店;而同样的起点,为什么有的人第一家店成功之后,紧接着开了第二家、第三家等N家连锁店,最终成了称霸一方的“诸侯”?
英文文本中的真词错误即输入的错词是和原词相似的另一个有效词。该文主要研究了对该类错误的检测。通过从所要检测的单词的上下文中提取句法和语义两个方面的特征,运用文档
【摘要】从围绕巧用信息技术创设轻松环境、巧用信息技术提供素材、巧用信息技术再现真实情景、巧用信息技术引导观察、巧用信息技术教给学生写法这五方面,探讨如何激发学生的写作兴趣。  【关键词】信息技术 写作兴趣 写作素材  在作文教学中,总会发现大部分学生一拿到作文题就不知从何下笔。他们不是紧锁眉头,就是一筹莫展,总觉得没有题材,无事可写。在他们眼中,作文就像一本枯燥无味的书。针对这一现象,激发学生的写
经济危机来了,中国美容业面临着前所未有的一场严冬,是坐而待毙还是主动出击?难中克困,危中求机,这个寒冬考验着每一个企业的实力和魄力。作为行业领军媒体、中国美容行业第一刊,《
我们知道,资产分为固定资产和流动资产。仓储企业的固定资产就是我们通常所使用的仓库、吊车、叉车、行车、运输车等单位价值高、使用期限长并在使用过程中保持原有实物形态
维吾尔语自动标注是维吾尔语信息处理后续句法分析、语义分析及篇章分析必不可少的基础工作.词性是词的重要的语法信息,假如一个词的词性无法确定或一个词给予错误的词性,对
明确勘探方针及部署原则2002年勘探方针和部署原则是:以股份公司勘探战略和"十五"业务发展计划为指导,以分公司开发生产实际需要为出发点,以经济效益为中心,突出重点,兼顾平
【摘要】目前,许多的艺术职业院校并没有对自身的发展做出正确的定位,因此,在选择教学方式上是也缺乏主见,无法做到真正全方位的培养学生的声乐能力。课题将研究重点放在艺术类职业学院转变教学理念的必要性以及具体的实施对策上,希望可以为服务于未来艺术职业学院的长远发展提供积极的借鉴意义。  【关键词】高职院校声乐教学教学理念教学方法  众所周知,职业学院与普通的学校存在着教学本质上的差距,对于职业院校来说主
<正>~~
牛尔水仙雪耳多效御护品是一款预防生成皱纹、改善眼周肌肤、增强紧致效果的长效过夜型眼部面膜。它拥有轻盈质感且不黏腻的水润凝冻质地,蕴含多种修护活肤成分,能一整夜促进细