🤖xieys@xieys

“我曾经用了一个很2的方法，就是假设网页编码要么是GBK要么是UTF8，进行从其中一个到另一个的转化，统计转换失败的字符占比，设置一个比较小的门限值（比如20%）来判断转换是否成功，如果转换成功则编码为源编码，如果失败则为目标编码，在meta给的编码错误的情况下，这种方法还是可以的。建议LZ把我这种方法和meta等方法综…”

“bless ^_^ 【 在 Sophieyue 的大作中提到: 】 : bless : 【 在 Miller (肉肉|九河下梢) 的大作中提到: 】 : : 最近事儿挺多的，你压力很大，但是相信你一定可以坚持下去，所有的结果都会是咱们期待的，哈哈。心疼你，永远爱你。 : ...................”

“呵呵,这个维度不算高啊,你可以用cluto试试 【 在 xibeijiji 的大作中提到: 】 : 大家好 : 现在有个问题非常棘手，我原来没有做过高维数据的处理，不知道该怎么做，请大牛们指导~ : 我现在有一批样本数据，要进行聚类，每个样本为5000多维，大概有2万多条。 : ...................”

“c/c++ pcre正则表达式搞起,或者libxml2 or htmlparser”

“方案1: 问题转化为01串问题(1代表进栈,0代表出栈),然后用公式或者动规求解 方案2: 递推 f[n]表示n个数的进出栈顺序总数,考虑第一个数出栈的位置则有如下递推式: 第一个数排在第1的位置:f[0]*f[n-1] 第一个数排在第2的位置:f[1]*f[n-2] ...... 第一个数排在第i的位置:f[i-1]…”

“多少文档？ 【 在 crazyhadoop 的大作中提到: 】 : 270万词条。。。。”

“如果特征词有几十万可能要个十来天吧”

“百度一下libsvm 参数(主要是c和g)选择 【 在 zuohongyan 的大作中提到: 】”