搜索资源列表
PDFBox-0.6.7a
- 采用java编写的处理PDF文档的程序，可从PDF文档中抽取txt文本，可与lucene搜索引擎相结合。-adopting the java programs compiled to dispose the PDF document, taking out the txt text from the PDF document, and combining with the lucene searcher.
支持向量机java实现
- 文本自动分类的java实现
similarity.文本相似度计算余弦相似度代码
- 文本相似度计算余弦相似度代码，计算文本相似度，用于搜索引擎,Cosine similarity of text similarity computation code, the text of the similarity calculation for the search engine
textcluster
- 文本聚类算法源码，包含tf.idf计算的实现，采用java语言编写-text cluster algorithm, including the computation of tf.idf ,written by Java
SearchEngine
- dySE 是个开源的 Java 小型搜索引擎。该搜索引擎分为三个模块：爬虫模块、预处理模块和搜索模块。其中详细阐述了: 多线程页面爬取、正文内容提取、文本提取、分词、索引建立、快照等功能的实现。-dySE is an open source Java small search engines. The search engine is divided into three modules: crawler module, pretreatment module and search module