摘要：r 拆解Cluene系列(8)——建立索引的流程 Clucene索引建立剖析 Clucene系列1- 阅读全文

摘要：TF-IDF的定义及计算 最近在做一些NLP的研究，由于也是第一次做这个东西，其实还是发现很多有意思的东西。 相信很多做过NLP的人都应该接触过提取关键词的这个功能。现在有很多可以使用的第三方工具包可以很容易的来实现这个功能，比如snowNLP，jieba等，但是我们还是要做到知其然，知其所以然，所 阅读全文

摘要：simhash是google用来处理海量文本去重的算法。 google出品，你懂的。 simhash最牛逼的一点就是将一个文档，最后转换成一个64位的字节，暂且称之为特征字，然后判断重复只需要判断他们的特征字的距离是不是 原理 simhash值的生成图解如下： 大概花三分钟看懂这个图就差不多怎么实现 阅读全文

摘要：大部分这种问题都能够解决，在文章的最后，提到了一种特殊情况，就是父子进程中的端口占用情况。父进程监听一个端口后，fork出一个子进程，然后kill掉父进程，再重启父进程，这个时候提示端口占用，用netstat查看，子进程占用了父进程监听的端口。 原理其实很简单，子进程在fork出来的时候，使用了写时 阅读全文

摘要：以梦为翅膀， 下载最新版本的libcurl安装包wget https://curl.haxx.se/download/curl-7.55.1.tar.gz ./buildconf // 可以用./configure --help查看其他参数。//--prefix=/usr/local指定安装目录, 阅读全文