最近有一个问题就是想从多个角度尽可能的提取能够完整准确地表达一个页面的特征从而构成页面的签名元素，以此来计算相似度，这个问题不同于以往的异常检测或者恶意页面检测那样，可有针对性地提取页面的特征用于检测，这样的话就是大而全的问题了，如何来细化呢？比如我从文本入手，需要提取页面清洗后的正文内容之后计算相似度但是如何进行页面内容的声音呢？在大规模的数据背景下怎么解决？
0条回答 默认 最新
- 2021-05-29 10:13回答 1 已采纳 C语言代码如下： #include <stdio.h> #include <string> struct StXypoint { int x; int y; }; //
- 2023-04-20 21:59回答 3 已采纳 基于Monster 组和GPT的调写： PHP 的余弦相似度计算函数： function cosine_similarity($vector1, $vector2) { $dot_prod
- 2023-02-23 15:13回答 3 已采纳 首先standardization(filename)函数，需要传入的的是一个文件路径，如下面代码的filename def standardization(filename): data='
- 2019-11-05 15:25搜索与推荐Wiki的博客 为了满足此需求，出现了多种技术，如：搜索引擎、推荐系统、问答系统、文档分类与聚类、文献查重等，而这些应用场景的关键技术之一就是文本相似度计算技术。因此了解文本相似度的计算方法是很有必要的。 文本相似度...
- 2021-07-27 11:16回答 4 已采纳 # -*- coding: utf-8 -*- import jieba import numpy as np import re def get_word_vector(s1,s2):
- 2017-10-27 09:00回答 1 已采纳 将文档目录递归展开成一个字符串，可以用最小编辑距离算法来评估相似性
- 2023-04-23 10:59回答 5 已采纳 那就是循环遍历统计相同数据个数，最后除以总像素点数就可以了代码： #include <iostream> #include <iomanip> using namespace
- 2020-12-28 17:32Singmi2015的博客 1、simhash分桶策略，只适合基本完全相同的文本查重，比如网页查重。64位simhash如果有3位以内的海明距离，则认为文本一致；存储使用hbase等列式存储，分4个桶，64位simhash分4个桶存储，必有一个key一致。这样性能...
- 2023-04-14 09:28回答 1 已采纳 BERT 是一种预训练语言模型，它的预训练目标是使用大量的未标记的文本数据来训练出语言表达能力更强的表示。但是，BERT 并不是一个直接用于文本相似度计算的模型，需要经过微调或 fine-tuning
- 2019-04-24 17:37回答 1 已采纳 sklearn里的k-means默认的欧氏距离改不了. 可以用Biopython这个包 示例:https://blog.csdn.net/chenxjhit/article/details/803
- 2022-12-12 11:56回答 2 已采纳 望采纳两者都有，在主题分析中，一组词语被认为属于同一个主题主要是基于它们的相似度和相关性。主题分析是一种自然语言处理技术，它的目的是找出文本中的主题，并将文本分组为不同的主题。在进行主题分析时，算法会
- 2021-05-24 05:50weixin_39675926的博客 搜索引擎判断网页相似度一般都基于这么一个思想：为每个网页计算出一组信息指纹(Fingerprint)，若两个网页有一定数量相同的信息指纹，则认为这两个网页的内容重叠性很高，也就是说两个网页内容非常相似甚至是复制的...
- 2022-10-18 00:56回答 1 已采纳 可以考虑基于openCV来做图片相似性的比较，可以参考这篇博文来实现。写得比较清楚：https://blog.csdn.net/u014775579/article/details/123534770
- 2013-08-10 19:59继续微笑lsj的博客 引言 相似度计算用于衡量对象之间的相似程度，在数据挖掘、自然...而针对不同的应用场景，受限于数据规模、时空开销等的限制，相似度计算方法的选择又会有所区别和不同。下面章节会针对不同特点的应用，进行一些常用
- 2020-12-08 11:33weixin_39683176的博客 在上篇文章中，我们已经完成了离线文章画像的构建，接下来，我们要为相似文章推荐做准备，那就是计算文章之间的相似度。首先，我们要计算出文章的词向量，然后利用文章的词向量来计算文章的相似度。计算文章词向量...
- 没有解决我的问题, 去提问
悬赏问题
- ¥15 fpga二选一数据选择器语句分析
- ¥15 matlab有svec这个函数吗？
- ¥15 无法调用VideoWriter_fourcc
- ¥15 VB6.0无法加载网页验证码图片到picturebox中，求解。
- ¥15 C#和GDAL对栅格处理
- ¥15 我现在有一些关于提升机故障的专有文本数据，量也不多，我在label studio上进行了关系和实体的标注，完成了知识图谱的构造，那么我使用生成式模型的话，我能做哪些工作来写我的论文？
- ¥15 电脑连不上无线网络如下诊断反馈应该如何操作
- ¥15 telegram api 使用forward_messages方法转发消息时，目标群组里面会出现此消息来源，如何隐藏？
- ¥15 关于#tensorflow#的问题：有没有什么方法可以让机器自己学会像素风格的图片
- ¥15 Oracle触发器字段变化时插入指定值