- 博客(6)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 word分词器、ansj分词器、IKanalyzer分词器、mmseg4j分词器、jcseg分词器对比
因项目需要，对目前比较流行的几个分词器进行了对比，ansj_seg是最美好的一个分词器，智能、强悍，对索引和最大颗粒分割都照顾得很到位，词库的树形读取也堪称经典；如果搜索只追求绝对准确度不考虑搜索结果最大化，jcseg效果还是很好的；如果只做站内搜索，不是海量互联网搜索引擎，可以考虑使用IKanalyzer，鼎鼎大名的知乎网用的也是IKanalyzer分词器；如果做推荐做分类可能会使用jcseg，毕
2016-06-29 18:07:59
8540
原创 R语言tm包中的TermDocumentMatrix函数生成中文词语矩阵含有\n
问题产生原因是新版本R的scan函数读取utf8格式数据有时会添加\n，解决办法是在执行TermDocumentMatrix前，调用Sys.setlocale(locale=”English”)，之后再设定回去，Sys.setlocale(locale=”Chinese (Simplified)_People’s Republic of China.936”)，local设置通过函数sessionI
2016-06-27 16:39:47
6782
5转载 R语言中的并行计算
众所周知，在大数据时代R语言有两个弱项，其中一个就是只能使用单线程计算。但是R在2.14版本之后，R就内置了parallel包，强化了R的并行计算能力。
2016-06-12 15:06:35
5118
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人