请教;

lewis_c402 2006-03-30 04:44:23

org.apache.log4j.Logger 这个类是干什么用的?

...全文

125 2 打赏收藏举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

zx2002027 2006-03-30

打赏
举报

回复

http://blog.chinaunix.com/opera/showart.php?blogid=8463&id=78032

hemiao_1993 2006-03-30

打赏
举报

回复

用来记录日志的一个类.用法如下:
Logger logger = Logger.getLogger(类名.class);
然后就可以在需要的地方记录日志了, logger.debug("...for debug");

TF-IDF是关键词提取中常用的手段，但是它仅仅考虑了特征词在文本中的词频和逆文档率，没有考虑到特征词在类内和类间中的分布情况，依然有很大的改进空间。而TF-IDF-CI就是对TF-IDF的一种改进方式。

一、问题在本质上IDF是一种试图抑制噪音的加权，并且单纯地认为文本频率小的单词就越重要，文本频率大的单词就越无用。这对于大部分文本信息，并不是完全正确的。IDF的简单结构并不能使提取的关键词，十分有效地反映单词的重要程度和特征词的分布情况，使其无法很好地完成对权值调整的功能。尤其是在同类语料库中，这一方法有很大弊端，往往一些同类文本的关键词被掩盖。例如：语料库D中教育类文章偏多...

文中所提到IF-IDF算法的改进方法进行了代码实现，实现方式仅供参考，IDF的改进方式采用的是第二种方案。

3.TF-IDF 3.1.TF-IDF算法介绍 3.2.TF-IDF应用 3.3.NLTK实现TF-IDF算法 3.4.Sklearn实现TF-IDF算法 3.5.Jieba实现TF-IDF算法 3.6.TF-IDF算法的不足 3.7.TF-IDF算法改进—TF-IWF算法 3.TF-IDF 以下转自：https://blog.csdn.net/asialee_bird/article/details/81486700 3.1.TF-IDF算法介绍 TF-IDF（term frequency–inverse

使用用户打标签次数*物品打标签次数做乘积的算法虽然简单，但是会造成热门物品推荐的情况。物品标签的权重是物品打过该标签的次数，用户标签的权重是用户使用过该标签的次数，从而导致个性化的推荐降低，而造成热门推荐。运用TF-IDF的思想可以对算法进行改进。TF-IDF（term frequemcy-inverse documnet frequency）是一种用于资讯检索和文本挖掘的加权技术。用来评估一

62,620

社区成员

307,251

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章