论文部分内容阅读
目前文本去重算法主要以基于信息指纹去重、特征码去重为主，用上述算法去重时容易产生误判。本文提出了一种改进的算法，核心思想是对字符重复串进行抽取，使用重复串作为短语标引生成后缀树，并映射生成倒排索引进行STC算法去重.实验证实了改进算法有着良好的准确率和召回率，并有着优良的时间和空间特性。
一种基于重复串的STC改进算法
【摘 要】
：
目前文本去重算法主要以基于信息指纹去重、特征码去重为主，用上述算法去重时容易产生误判。本文提出了一种改进的算法，核心思想是对字符重复串进行抽取，使用重复串作为短语标引
【机 构】
：
桂林电子科技大学大学计算机与控制学院
【出 处】
：
微计算机信息
【发表日期】
：
2009年27期
其他文献
文章从功能语法的角度,对英国浪漫主义诗人华兹华斯的诗歌在语法手段方面进行分析,从而揭示英文诗歌如何利用衔接手段达到语篇连贯,以及各种衔接手段对诗歌主题的表现作用,以
【正】 切实加强以党支部为核心的村级组织建设,建设一个自己致富能力强、带领群众致富能力强的村"两委"班子,留下一支永远不走的工作队,是省委决定向贫困村派驻工作队的主要
研华自动化近日推出全新无风扇嵌入式触控平板电脑TPC-1780H，该款产品配备17″SXGA TFT液晶显示器，采用IntelCoreTM 2 Duo L7400 1．5GHz处理器，并具备坚固的铝制前面板。总厚度小
一种柴油机气缸套毛坯采用离心铸造工艺生产,"翅膀"型法兰由机加工完成,原工艺存在单件毛坯原材料消耗高,整体生产效率低等问题。通过改进生产气缸套毛坯的金属型本体及与其
为贯彻思想政治教育与高校专业课程教学协同育人的教学改革方针,实现“教书”与“育人”隐性结合,文章以《红色文化创意产品设计》为例进行课程思政教学探究;结合“育才”“
目的探究振动排痰联合呼吸训练护理对支气管扩张患者排痰量及肺功能指标的影响。方法选取2016年3月—2018年5月于江西省鹰潭市人民医院就诊的80例支气管扩张患者,按随机数字
在现阶段的高层建筑中,钢结构的应用是非常重要的一项内容。但是目前由于科学技术水平的持续提高,相应的工程技术已不能满足现阶段社会发展的需要。因此,必须要从实际出发,并
【正】 2001年9月,现任河南省省长李成玉同志到襄城县十里铺乡考察时,高度赞誉该乡的蔬菜产业开发。他说:"没想到这里的蔬菜种植规模这么大,蔬菜种植水平这么高。"十里铺乡辖
当前GPS定位技术广泛应用于车载定位系统中，但是它有诸多局限性，比如系统只有在良好接收四颗GPS卫星定位数据时才能提供准确的三维定位，基于此我们提出了一种基于CDMA1X通讯网络
本文阐述了模糊控制原理，根据城市生活垃圾资源化处理的特点，设计了搅烘干机模糊控制器，并根据加工工艺制定合理的模糊控制规则及相应的控制表。实验表明控制效果良好。