- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 基于卡方统计的种子词扩展
1.首先介绍下卡方公式 其中，t代表候选特征，c代表对应分类，A代表t在c中出现的次数。B代表t不在c中出现的次数，C代表c中不出现t的次数。D代表文档集中c和t都不出现的次数，N代表整个文档集的大小。（次数不是指t的次数，均指样本数） 2.扩展过程 a.首先，既然是扩展，那么就一定有原始的种子，这个可以人工挑出来。种子词不必很多，但要有强烈类别代表性。 b.假设有n个类别，...
2013-03-31 12:57:00
204
原创 判断中英文符号、标点
static boolean isSymbol(char ch) { if(isCnSymbol(ch)) return true; if(isEnSymbol(ch))return true; if(0x2010 <= ch && ch <= 0x2017) return true; if(0x2020 <= ch && ch <= 0x2027) return true
2013-03-27 08:33:42
4787
转载 归并排序
#include #include //将有序的X[s..u]和X[u+1..v]归并为有序的Z[s..v] void merge(int X[], int Z[], int s, int u, int v) { int i, j, q; i = s; j = u + 1; q = s; while( i <= u && j<= v ) {
2013-03-19 16:20:45
597
转载 编程之美2.5 寻找最大的K个数
/********************问题描述************************ 有若干个无序的数（假设数目为N），如何选择其中最大的 K个数 *****************************************************/ #include #include #include using namespace std; /*************
2013-03-18 15:22:22
563
转载 距离和相似度度量
在数据分析和数据挖掘的过程中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如K最近邻（KNN）和K均值（K-Means）。当然衡量个体差异的方法有很多，最近查阅了相关的资料，这里整理罗列下。 为了方便下面的解释和举例，先设定我们要比较X个体和Y个体间的差异，它们都包含了N个维的特征，即X=（x1， x2， x3， …
2013-03-06 13:24:41
798
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人