V2EX › sleeperqp 的所有回复 › 第 25 页 / 共 25 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

1 ... 16 17 18 19 20 21 22 23 24 25

❮

❯

2014-08-04 11:31:54 +08:00

@clino 后面看到是中文，如果这样我觉得分词还是有必要的就算纯文本匹配也是有误差的
所以我觉得还是先分词下然后再做处理比较好~

2014-08-04 11:27:02 +08:00

突然想到两种方法：
一种是直接对源文本建立倒排索引，然后对这些索引最后与topics求交
另外一种是对元文本建立倒排索引的过程中，用hash之类的判断在不在topics里
这样就可以去掉m

2014-08-04 11:22:34 +08:00

我觉得这是个建立倒排索引的过程你可以查查相关的资料
你的处理过程的时间复杂度是O(nml) n是文件数 m是topics 数 l是文件的平均长度
你可以试试怎么把m 去掉或者l去掉

1 ... 16 17 18 19 20 21 22 23 24 25

❮

❯