最老程序員閆濤

摘要： 無論是要進行全文檢索，還是對文章進行自動聚類分析，都需要將文章表示為術語向量（Term Vector），在Lucene內部就是通過術語向量來對文章進行索引和搜索的，但是Lucene沒有向外提供合適的術語向量計算接口，所以對術語向量計算還必須我們自己來做。術語向量解述眾所周知，一篇文章由一個個的單詞組成，我們在進行文本處理時，首先進行中文分詞，包括去除“的、地、得”等常用停止詞，對關鍵詞加上同義詞，如縮寫和全稱，如果是英文可能還需要變為小寫，去除復數和過去分詞等，可能還需要提取詞根，總之經過上述步聚的預處理，文章將變成由一系列單詞組成的字符串數組。對一系統中的每一篇文章，我們首先計算每個單詞的出 閱讀全文

摘要： 工作中的細節吳言的新公司好像一切都進展得很順利，經過一周左右的磨合時間，大家彼此都變得熟悉起來，每個人也基本進入了工作狀態。吳言對此非常滿意，第一次轉型做管理的自己，在最關鍵的第一周并沒有出現大的失誤，這個小團隊已經開始工作了。但是吳言還是注意到了一些問題，雖然這些問題很小，但是吳言覺得還是需要做些處理才行。吳言首先發現，李衛東的優點是做工作非常認真，他做出的功能模塊，自己在測試時從來沒出現過問題，有時即使故意輸入些非法數據，程序也可以非常好的處理這些異常情況。對于這點吳言相當滿意，覺得李衛東將來一定可以成為一個非常優秀的人才。但是李衛東也有一個缺點，就是基礎知識不扎實，一遇到問題就會束手無策 閱讀全文