【摘 要】
：
近年来,舆情信息在大数据服务中广泛被加工使用,但转载、复制等操作使得采集的舆情信息重复量庞大,给后期的加工带来困难。在这种情况下,针对舆情数据开展去重研究的却相对较
论文部分内容阅读
近年来,舆情信息在大数据服务中广泛被加工使用,但转载、复制等操作使得采集的舆情信息重复量庞大,给后期的加工带来困难。在这种情况下,针对舆情数据开展去重研究的却相对较少。文中针对舆情去重不可避免但缺乏理论指导的问题,通过研究Sim Hash、Min Hash、Jaccard等经典去重算法,结合TF、TF-IDF、特征码等不同特征选择和3 000舆情样本进行实验,最终发现Min Hash＋特征码运行时间最短;Jaccard的漏判数最少,召回率可达90%以上;Min Hash算法的误判数最少,去重精度可达100
其他文献
电子文档具有容易被复制、修改、传播等特点,极易引起非常严重的机密信息泄露和版权问题,从而面临巨大的安全风险。本论文基于这种背景下,对电子文档保密系统展开研究,在深入
信息技术的发展和互联网的普及,影响了人们日常生活和社会发展的方方面面。传统的工程机械已不能适应新时代的发展要求。它与先进的电子技术、信息技术、计算机技术等高新技
针对局部阴影条件下光伏阵列的P-V曲线呈现多峰值的情况,提出了一种全局最大功率点追踪（GMPPT）算法来解决传统最大功率点追踪（MPPT）算法失效的问题。该算法由子两个子算法构成,通
世界各国都认识到环境问题对国家发展的威胁,我国也采取了对策,加大了开发和建设环境保护项目的力度。但是,中国的环境工程还处于起步阶段,许多技术和管理水平还远远落后于发
目的观察灯盏花素注射液对治疗急性脑梗死的疗效及其血液流变性的影响.方法将急性脑梗死患者随机分为治疗组和对照组,两相均予西医常规处理,治疗组加用灯盏花素注射液.结果治
我科1997～2001年共收治脑梗死患者986例,其中45岁以下脑梗死患者75例,结合文献复习,以进一步探讨中青年脑梗死的病因及临床特点.
目的评价冠心病患者接受国产雷帕霉素涂层支架治疗的近期疗效及安全性。方法选择接受雷帕霉素涂层支架植入术患者60例,观察患者术后的即刻疗效和1-12个月临床疗效。结果60例
针对当代体育教学管理集成化、信息化、智能化教学的需求，在充分了解课程改革要求的基础上．采用当下流行的MVC架构设计开发了专业化、集成化的体育教学管理系统，有效协调体育教
急性砷中毒早期应迅速清除毒物和驱砷药物的应用,能使病人转危为安.但一部分病人脱离危险后常出现周围神经炎,周围神经炎是急性砷中毒严重并发症之一,少数病人甚至致残,应引
目的观察长效钙离子拮抗剂波依定（非洛地平缓释片）的降压疗效。方法42例原发性高血压（EH）患者每天服用波依定5—10mg，疗程4—8周，均以24h动态血压作为监测及评介方法。结果24h收缩