WGS-84坐标系 通常，我们所说的地球地理经纬度是WGS-84坐标系（World Geodetic System-1984 Coordinate System）的经纬度。WGS-84坐标系是在1984年制定的全球坐标系，这个坐标系上的每一点经纬度能够精确映射到地…
想知道某个经纬度属于哪个城市，通常可以通过地图API的接口实现。但是地图服务商的API通常会有配额限制。问题来了，能否搭建自己的经纬度反查系统呢？ GADM GADM主页：https://gadm.org/ GADM，全称Databa…
行政区划相关信息在GIS中算是不可或缺的基础数据，然而由于行政区划经常会进行调整，所以许多网上搜集的已经存在了不同程度的过时。国外的数据，又会有领土的问题。DataV是阿里云出品的拖拽式可视化工具，专精于业…
项目背景 项目需要把两个独立的系统通过公司名称的匹配来实现数据打通，其中一个系统的公司数有40万+，另一个系统中需要匹配的公司数3600+，如果直接通过SQL LIKE形式的方式来关联两个系统，发现只有1100多家公司…
条件随机场(conditional random field, CRF)是用来标注和划分序列结构数据的概率化结构模型。言下之意，就是对于给定的输出，标识序列Y和观测序列X，条件随机场通过定义条件概率P(Y|X)，而不是联合概率分布P(X, Y)…
随着 NLP 的发展，像 Word2Vec、Glove 这样的词向量模型，正逐渐地被基于 Transformer 的 BERT 等模型代替，不过经典始终是经典，词向量模型依然在不少场景发光发热，并且仍有不少值得我们去研究的地方。本文来关心…
中文繁体、简体的差异，在NPL中类似英文中的大小写，但又比大小写更为复杂，比如同样为繁体字，大陆、香港和台湾又不一样。 OpenCC（Open Chinese Convert) OpenCC是一个开源的中文繁简转化项目，支持词汇级…
在计算机科学中，字符串模糊匹配（fuzzy string matching）是一种近似地（而不是精确地）查找与模式匹配的字符串的技术。换句话说，字符串模糊匹配是一种搜索，即使用户拼错单词或只输入部分单词进行搜索，也能够找…
谈到用户分类模型，最被谈及的应该就是RFM模型了。大部分人常把RFM模型挂在嘴边，而在实际使用中的却很难真正的利用起来。这里暂时不去讨论RFM是好是坏。今天的介绍的是另外一个拓展的模型：航空公司客户价值分析模…
什么是Exif？ Exif（Exchangeable image file format）是专门为数码相机的照片设定的，可以记录数码照片的属性信息和拍摄数据。Exif信息是镶嵌在 JPEG/TIFF 图像文件格式内的一组拍摄参数，它就好像是傻瓜相机的日…
