Sèrie d'articles sur les algorithmes génétiques (fait de générer des solutions à un problème, puis croiser les meilleures d'entre elles pour arriver à une solution qui, après plusieurs générations, se rapproche de l'optimum (car oui on utilise ca en général pour des problèmes NP-complexe où la calcul de la solution optimale prendrait trop de temp)). Ne pas avoir peur du nombre d'articles, chacun d'entre eux décrit une étape de l'algorithme. Assez intéressant pour comprendre ce que c'est.

Un nouvel algorithme décrit pour comparer les distances entre mots ou documents (à mettre enn parallèle avec la distance de Levenshtein pour ceux qui connaissent). En plus d'avoir l'air de donner de bons résultats, il est extrêmement scalable du fait de sa complexité linéaire. Ce qui est très intéressant dans le domaine du big data.
J'y vois plusieurs utilisations : indexation plus poussée (même si je n'ai pas l'impression qu'elasticsearch l'implémente encore), recherche avancée, rapprochement de jeux de données (je sais pas si y en a déjà qui ont bossé sur des **** de noms de ville par exemple, mais perso, j'ai tout eu : avec et san tiret, avec et sans abréviation, etc...), nettoyage de données...