机器学习和我关注的技术

基于关键词的复制网页算法 想前面的提到的算法都是基于这个文档的，对于大型的搜索引擎来说，在性能上有些差距，所以有些优化，针对是网页的关键词，或者网页的meta描述部分。所以，必须有以下的技术做支撑： 1、网页中出现的关键词（中文分词技术）以及每个关键词的权重（关键词密度）； 2、提取meta descrīption或者每个网页的若干(比如：512）个字节的有效文字。 在以下算法描述中，我们约定几个信息指纹变量： Pi表示第i个网页； 该网页权重最高的N个关键词构成集合Ti={t...