-
6个最好的大数据处理分析工具，拿高薪就靠它了！
所属栏目：[大数据] 日期：2020-12-14 热度：107
大数据是一个含义广泛的术语，是指数据集，如此庞大而复杂的，他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大[详细]
-
如何计算文档相似性
所属栏目：[大数据] 日期：2020-12-14 热度：96
最近课题需要，整理一下文档相似性的一些研究，主要是参考知乎上面的回答和52nlp的相关文章。以备后期综述使用。具体还需要好好细读链接。 主要思路 01/one hot representation，BOW+tf-idf+LSI/LDA体系. docsim方法：gensim包，使用corpora.Dictionary(text[详细]
-
不可不知 | 有关文本挖掘的14个概念
所属栏目：[大数据] 日期：2020-12-14 热度：154
版权声明 作者：杜尔森·德伦（Dursun Delen） 来 源：《大数据掘金 挖掘商业世界中的数据价值》，中国人民大学出版社出版 本文由数据之王（ID：shujuzhiwang ）推荐，转载请注明出处 数据之王（ID：shujuzhiwang ）由大中华大数据协会运营，如有邀约合作，[详细]
-
关联规则挖掘——Apriori算法
所属栏目：[大数据] 日期：2020-12-14 热度：124
前言 大二的时候，一个老师为了勾起我们对数据挖掘的兴趣，老是问我们这个问题：你们知道超市为什么要把啤酒跟尿布放在一起吗？但是从来没告诉我们答案。现在，很多人都听过这个问题，觉得很平常，但是那时的我真觉得挺神奇的。直到后来，了解了关联规则挖掘[详细]
-
在「不稀缺」的商业世界，如何挖掘稀缺的资源？
所属栏目：[大数据] 日期：2020-12-14 热度：76
要生存壮大，就要找到新的稀缺资源， 并且想尽办法掌握在自己手中。 文 | 曲凯 编者按：本文来源42章经（ID：MyFortyTwo），一家生产原创优质内容的科技媒体，誓同有趣、有料、有企图心的灵魂共成长。 “Technology increases access to what is scarce. ”[详细]
-
新闻中文本地域信息标签的抽取
所属栏目：[大数据] 日期：2020-12-14 热度：50
这里主要是基于规则的新闻地域提取方法，这里简要记录一下思路。 首先我们拥有了地域信息数据库，并且标注了省市的layer层信息。主要思路是利用nlp库，分词得到标有地名属性词，在于地域数据库匹配。 第一步，提取正文分词得到标注为地名的词语。 第二步，匹[详细]
-
新闻中文本地域信息标签的抽取
所属栏目：[大数据] 日期：2020-12-14 热度：92
这里主要是基于规则的新闻地域提取方法，这里简要记录一下思路。 首先我们拥有了地域信息数据库，并且标注了省市的layer层信息。主要思路是利用nlp库，分词得到标有地名属性词，在于地域数据库匹配。 第一步，提取正文分词得到标注为地名的词语。 第二步，匹[详细]
-
视音频数据处理入门：H.264视频码流解析
所属栏目：[大数据] 日期：2020-12-14 热度：171
===================================================== 视音频数据处理入门系列文章： 视音频数据处理入门：RGB、YUV像素数据处理 视音频数据处理入门：PCM音频采样数据处理 视音频数据处理入门：H.264视频码流解析 视音频数据处理入门：AAC音频码流解析[详细]
-
序列模式挖掘——GSP算法
所属栏目：[大数据] 日期：2020-12-14 热度：54
序列模式挖掘的基本概念 项目全集I、项集X和事务集合T的概念和文章关联规则挖掘——Apriori算法 中定义的一致。一个序列(Sequence)是一个有序的项集列表，这个有序通常是指时间有序。我们将序列s表示为： a 1 a 2 . . . a r 其中， a i 是一个项集，也称为s[详细]
-
大数模板
所属栏目：[大数据] 日期：2020-12-14 热度：170
用了交大的模板，增加了base进制，有个地方要注意的是，base 不能开太大，因为在做加法或者乘法的时候，有可能就发生溢出了，如果是开int数组，那最好base = 10^5, 还有，maxn也不能开太大，否则会出错，下面模板base = 10^5，maxn开10^6次方爆掉还不知道什[详细]
-
科普丨五个角度浅析大数据与BI的区别，教你迅速把握大数据的精髓
所属栏目：[大数据] 日期：2020-12-14 热度：82
作者：咨行天下 BI(Business Intelligence)，中文翻译是商务智能，是一套完整的解决方案，用来将组织中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助组织做出明智的业务经营决策。 大数据(Big Data)是从收集的海量数据中，通过算法将这[详细]
-
[POJ 1811 Prime Test] Miller_Rabin + Pollard_rho 大数质数判
所属栏目：[大数据] 日期：2020-12-14 热度：55
[POJ 1811 Prime Test] Miller_Rabin + Pollard_rho 大数质数判断/质因子分解模板 题目链接 ：[POJ 1811 Prime Test] 题意描述 ：判断N是否为质数，如果是，求最小的质因子( 2 ≤ N 2 54 )。 解题思路 ：Miller_Rabin + Pollard_rho 模板走起。 #include cti[详细]
-
干货丨企业级大数据知识图谱产品的构建及应用
所属栏目：[大数据] 日期：2020-12-14 热度：144
报道大数据企业： 大数据产品、大数据方案、 ? 大数据人物 分享大数据干货： 大数据书籍、大数据报告、 大数据视频 本文系大数据人精选自网络。欢迎更多优质原创文章投稿给大数据人：289585305@qq.com 导读： 大数据，一个现今人人都在讨论的火爆话题。大数[详细]
-
大数据，为什么不是传统BI的简单升级？
所属栏目：[大数据] 日期：2020-12-14 热度：116
点击 上方 蓝字 关注公众号 ！ 请您点击 “ 与数据同行 ”以“ 关注 ”， 坚持原创，思想碰撞，每周一期！ BI（BusinessIntelligence）即商务智能 ，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助[详细]
-
FP-growth算法挖掘频繁项集
所属栏目：[大数据] 日期：2020-12-14 热度：177
概述 FP-growth算法基于Apriori构建，但在完成相同任务时采用了一些不同的技术。这里的任务是将数据集存储在一个特定的称作FP树的结构之后发现频繁项集或者频繁项对，即常在一块出现的元素项的集合FP树。这种做法使得算法的执行速度要快于Apriori，通常性能[详细]
-
麦肯锡报告：让高管了解大数据分析
所属栏目：[大数据] 日期：2020-12-14 热度：167
原标题：Mobilizing your C-suite for big-data analytics 作者：Brad Brown,David Court,and Paul Willmott 编译：谢润超，工业和信息化部国际经济技术合作中心 来源：中国经济网 导读 现在，数据分析的力量正深刻影响着商业格局。大数据对公司的影响非常广[详细]
-
自动机+高斯消元 ifrog1025 Magic boy Bi Luo with his excited
所属栏目：[大数据] 日期：2020-12-14 热度：123
传送门：点击打开链接 题意：告诉你ｎ个串，现在随机写字符，直到之前的字典里某个差un是当前写的串的子串时停止，问期望次数是多少． 思路：玲珑套路杯，求个自动机发现next数组就是接下来的状态,套个高斯消元就做完了.. #include map#include set#include[详细]
-
HHUOJ 1003 数字整除（模拟大数整除）
所属栏目：[大数据] 日期：2020-12-14 热度：134
1003: 数字整除 时间限制: 1 Sec?? 内存限制: 128 MB 提交: 10?? 解决: 7 题目描述 定理：把一个至少两位的正整数的个位数字去掉，再从余下的数中减去个位数的5倍。当且仅当差是17的倍数时，原数也是17的倍数 。 例如，34是17的倍数，因为3-20=-17是17的倍数[详细]
-
【报名】工业大数据深度挖掘应用与技术实现——清华大数据“技术
所属栏目：[大数据] 日期：2020-12-14 热度：190
大数据与工业数据的结合，使制造过程能进行分析、推理、判断、构思和决策等。通过人与机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化。然而，这一切又都必须服从企[详细]
-
阶乘的精确值（大数）
所属栏目：[大数据] 日期：2020-12-14 热度：93
首先确定阶乘的位数。 我们知道整数n的位数的计算方法为：log10(n)+1 故n!的位数为log10(n!)+1 ? 如果要求出n!的具体值，对很大的n（例如n=1000000）来说，计算会很慢，如果仅仅是求阶乘的位数，可以用斯特林(Stirling)公式求解 ? 斯特林（Stirling）公式：[详细]
-
LSHForest进行文本相似性计算
所属栏目：[大数据] 日期：2020-12-14 热度：140
LSH Forest: Locality Sensitive Hashing forest,局部敏感哈希森林， 是最近邻搜索方法的代替，排序实现二进制搜索和32位定长数组和散列，使用hash家族的随机投影方法近似余弦距离。 随机投影树，对所有的数据进行划分，将每次搜索与计算的点的数目减小到一[详细]
-
看完这些视频，你可以去炫（zhuang）耀(bi)了
所属栏目：[大数据] 日期：2020-12-14 热度：181
最近大家比较期待的莫过于“闷声憋大招”的某果了，眼看着预热已久、曝出各种谍照的iPhone7马上就要来了！ （对，就是今夜凌晨1点，约吗？） 华仔低头抠自己的5S，随手打开支付宝看看余额，再摸摸自己的肾，内心凄凉~啊，7你再等等我，等8出来，我一定把你买[详细]
-
【R语言数据处理】一步一步来分析数据之不知哪位收集的淘宝推荐
所属栏目：[大数据] 日期：2020-12-14 热度：173
文件名：淘宝最全年货大促特价整理 数据我先传百度云了，分享一下，你们看了就知道是什么样子的了，我改了一下名字，文件名：tbtj.xls 360云盘：https://yunpan.cn/cMTiN2Lyk5MpK 访问密码 d2cc 百度云：http://pan.baidu.com/s/1hsBHuGO 我们先来看下里面是[详细]
-
多数组K大数
所属栏目：[大数据] 日期：2020-12-14 热度：131
题目描述 给定两个有序数组arr1和arr2，在给定一个整数k，返回两个数组的所有数中第K小的数。 例如： arr1 = {1,2,3,4,5}; arr2 = {3,5}; K = 1; 因为1为所有数中最小的，所以返回1； arr1 = {1,3}; arr2 = {3,5,6}; K = 4; 因为3为所有数中第4小的数，所以[详细]
-
ETL是BI（商业智能）的基础，调度是ETL的灵魂
所属栏目：[大数据] 日期：2020-12-14 热度：57
ETL是数据抽取（Extract）、清洗（Cleaning）、转换（Transform）、装载（Load）的过程 你想啊，数据的由来都是ETL实现的，以后所有的数据处理，不都是要依靠这些抽取来的数据。这一块没有做好，后面的分析，展现就是来了大神，他也没有办法，就像巧妇难为无[详细]
