• pinyin4j 之中文拼音的基础知识
  拼音声调 声调 拼音声调是指普通话中的声调，通常叫四声，即阴平（第一声），用“ˉ”表示，如lā；阳平第二声，用“ˊ”表示，如lá；上声（第三声），用“ˇ”表示，如lǎ；去声（第四声），用“ˋ”表示，如；là。 汉语中还存在着一种特殊声调，叫做轻声，有时也叫第五声，在汉语拼音中不标调。有些学者认为“第五声”的说法并不确切。轻声虽然能够起分辨语义的作用，但是通常不列入汉语“四声”之一，因为...
  2020-01-09 02:09:32 | Search
• 开源中文的繁简体转换 opencc4j-05-日文转换支持
  Opencc4j Opencc4j 支持中文繁简体转换，考虑到词组级别。 开源中文的繁简体转换 opencc4j-01-使用入门概览 开源中文的繁简体转换 opencc4j-02-一个汉字竟然对应两个 char？ 开源中文的繁简体转换 opencc4j-03-简体还是繁体，你说了算! 开源中文的繁简体转换 opencc4j-04-香港地区转换支持 开源中文的繁简体转换 openc...
  2020-01-09 02:09:32 | Search
• 开源中文的繁简体转换 opencc4j-04-香港地区转换支持
  Opencc4j Opencc4j 支持中文繁简体转换，考虑到词组级别。 开源中文的繁简体转换 opencc4j-01-使用入门概览 开源中文的繁简体转换 opencc4j-02-一个汉字竟然对应两个 char？ 开源中文的繁简体转换 opencc4j-03-简体还是繁体，你说了算! 开源中文的繁简体转换 opencc4j-04-香港地区转换支持 开源中文的繁简体转换 openc...
  2020-01-09 02:09:32 | Search
• 开源中文的繁简体转换 opencc4j-03-简体还是繁体，你说了算!
  Opencc4j Opencc4j 支持中文繁简体转换，考虑到词组级别。 开源中文的繁简体转换 opencc4j-01-使用入门概览 开源中文的繁简体转换 opencc4j-02-一个汉字竟然对应两个 char？ 开源中文的繁简体转换 opencc4j-03-简体还是繁体，你说了算! 开源中文的繁简体转换 opencc4j-04-香港繁简体的支持 开源中文的繁简体转换 openc...
  2020-01-09 02:09:32 | Search
• java 开源中文的繁简体转换 opencc4j-02-一个汉字竟然对应两个 char？
  Opencc4j Opencc4j 支持中文繁简体转换，考虑到词组级别。 开源中文的繁简体转换 opencc4j-01-使用入门概览 开源中文的繁简体转换 opencc4j-02-一个汉字竟然对应两个 char？ 开源中文的繁简体转换 opencc4j-03-简体还是繁体，你说了算! 开源中文的繁简体转换 opencc4j-04-香港繁简体的支持 开源中文的繁简体转换 openc...
  2020-01-09 02:09:32 | Search
• java 开源中文的繁简体转换工具 opencc4j 使用入门-01-overview
  Opencc4j Opencc4j 支持中文繁简体转换，考虑到词组级别。 开源中文的繁简体转换 opencc4j-01-使用入门概览 开源中文的繁简体转换 opencc4j-02-一个汉字竟然对应两个 char？ 开源中文的繁简体转换 opencc4j-03-简体还是繁体，你说了算! 开源中文的繁简体转换 opencc4j-04-香港繁简体的支持 开源中文的繁简体转换 openc...
  2020-01-09 02:09:32 | Search
• TF-IDF 找出相似文章算法
  相似性文章 今天，我们再来研究另一个相关的问题。 有些时候，除了找到关键词，我们还希望找到与原文章相似的其他文章。 比如，”Google新闻”在主新闻下方，还提供多条相似的新闻。 余弦相似性 为了找出相似的文章，需要用到 “余弦相似性”（cosine similiarity）。 下面，我举一个例子来说明，什么是”余弦相似性”。 例子 句子 为了简单起见，我们先从句子着手。 ...
  2020-01-09 02:09:32 | Search
• 相似文章算法之语义指纹-文本内容去重
  引言 网络爬虫让我们高效地从网页获取到信息，但网页的重复率很高，网页需要按内容做文档排重，而判断文档的内容重复有很多种方法，语义指纹是其中比较高效的方法。 本文选自《网络爬虫全解析——技术、原理与实践》。 用途 文章相似度，杜绝论文抄袭等等。 语义指纹的由来 提到“指纹”就想到了人手的指纹。 那么指纹能干嘛呢？ 我们看到最多的是警匪片中验指纹，还有公司考勤打卡用指纹等。其目的...
  2020-01-09 02:09:32 | NLP