摘要：在信息论中常用互信息（MI，Mutual Information）来衡量两个词的相关度MI(X,Y)=log2p(x,y)/p(x)p(y)MI越大，表示两个词之间的结合越紧密。当X,Y关联大时，MI(X,Y)大于0；当X与Y关系弱时，MI(X,Y)等于0；当MI(X,Y)小于0时，X与Y称为“互补关系” 这个算式看起来很直观，但计算还是有些麻烦，因为计算概率值p(x)，p... 阅读全文

摘要：采用基于Java的开源搜索结果聚合引擎，Carrot2 2.0 中的后缀树算法Carrot2 可以自动的把搜索结果归类到相应的语义类别中，这个功能是通过Carrot2一个现成的组件完成的，除此之外Carrot2 还包括了很多其他的搜索结果聚合聚类算法。因为没有做中文分词，也没有中文的Stopword,所以我们用英文测试，实现代码1SnippetTokenizersnippetTokenizer=n... 阅读全文

摘要：抓取网页，分析得到结果，通用正则表达式匹配函数，其它电视台电视节目请修改URL 阅读全文

摘要：经过几天努力，Nutch终于比较完美的工作了，我有写了一个批处理文件，能够启动Nutch进行Crawl,看着自己搭建的搜索引擎，感觉就是爽现在有不少做搜索垂直引擎的公司，即使像google,百度也都在做，国内也出现了一些小的公司，如找工作的，搜股票的，搜房的，求医问药的，但感觉做的不是特别好。比如搜简历，从理论上，你只要在网上留过资料，就可以被搜到，比如我找张三，结果中出现的第一个应该为张三的简历... 阅读全文

摘要：程序每编译一次，版本号就自动增加1。编译时动态生成运行时获得当前版本号的类 public class Project { static public String getBuildVersion() { return "0.0.28"; } static public String getBuildNumber() {return "28";} static public String getVersion() {return "0";} static public String getRevision() {return "0";} static public String getBuildDate() {return "Wed Sep 13 16:33:20 CST 2006";} } 阅读全文