dreaming架构师，充分践行，适当补充理论的一年

 from:http://kb.cnblogs.com/page/76804/在1996年，当时数据挖掘市场是年轻而不成熟的，但是这个市场显示了爆炸式的增长。三个在这方面经验丰富的公司DaimlerChrysler、SPSS、NCR发起建立一个社团，目的建立数据挖掘方法和过程的标准。在获得了EC（European Commission）的资助后，他们开始实现他们的目标。为了征集业界广泛的意...

from:  http://kb.cnblogs.com/page/135656/  　基于用户投票的排名算法（一）：Delicious和Hacker News　　基于用户投票的排名算法（二）：Reddit　　基于用户投票的排名算法（三）：Stack Overflow　　基于用户投票的排名算法（四）：牛顿冷却定律　　基于用户投票的排名算法（五）：威尔逊区间　　基于用户投票的排名算...

 Hamming distance n information theory, the Hamming distance, named after Richard Hamming, is the number of positions in two strings of equal length for which the corresponding elements are diff...

什么是Shingling算法 网页去重——Shingling 算法 　shingling算法用于计算两个文档的相似度，例如，用于网页去重。维基百科对w-shingling的定义如下： 　　In natural language processing a w-shingling is a set of unique "shingles"—contiguous subsequence...

I-Match算法 网页去重-算法篇  网页去重-算法篇  前一篇（网页去重-比较文本的相似度-Near duplication detection ）提到了5个解决网页去重的算法，这里我想讨论下这些算法1. I-Match 2. Shingliing3. SimHashing（ locality sensitive hash） 4. Random Projection5. ...

Google的吴军研究员写了数学之美系列，其中有“余弦定律与新闻的分类”和”矩阵运算和文本处理中的分类问题“对自动分类、相似度、去重等相关问题原理作了介绍，并找到一些相关算法：余弦定律与新闻的分类Google 的新闻是自动分类和整理的。所谓新闻的分类无非是要把相似的新闻放到一类中。计算机其实读不懂新闻，它只能快速计算。这就要求我们设计一个算法来算出任意两篇新闻的相似性。为了做到这一...