Daily Scrum 11.5

我们已经确定了具体改进的方向和改进的具体实现措施。

具体今天的进度：

我们主要明确了重点的改进方向，还有一些细微的地方将在以后的实现过程中改进。

1.分词算法

分为两类：中文分词（中科院ICTCLAS算法）

英文分词（朴素贝叶斯算法（与词库匹配））

2.提取关键词的算法

tf-idf算法。具体idf的计算方式还要进一步学习。

3.数据库操作完善（排除冗余数据）

4. 增加机器翻译的工作。

5.pdf的关键信息提取。

明天要完成的事项：

1.学习Web数据挖掘中关于朴素贝叶斯算法的部分。（杨军）

2.下载中科院ICTCLAS的分词包，进行试验，观察分词效果。（杨军，柴泽华）

3.熟悉tf-idf算法。（柴泽华）

4.研究C#操作pdf进行信息提取。（徐姗）

总体上来说，今天已经确定了大家今后工作的方向，这也是我们第一轮迭代力争要完成的效果。

希望大家明确自己的分工，加油！

——edited by 柴泽华