2018年12月2日
海量数据处理
摘要： 1.倒排索引 每一项包括一个属性值和具有该属性值得记录地址 不是由记录来确定属性值，而是由属性值确定记录。 某个单词出现的文档编号，列表，也可以存文档编号的差值 2.simHash算法 比较两篇文章相似度的算法 分词，hash，加权，合并，降维 每个特征向量（分词）赋值权值，重要程度 Hash(博客 阅读全文
posted @ 2018-12-02 18:55 王毅2016 阅读(116) 评论(0) 推荐(0) 编辑