simhash 文本相似度計算

常見文本相似度計算方法： 1、 向量空間模型VSM（Vector Space Model）。使用VSM計算相似度，先對文本進行分詞，然後建立文本向量，把相似度的計算轉換成某種特徵向量距離的計算，比如餘弦角、歐式距離、Jaccard相似係數等。這種方法存在很大一個問題：需要對文本兩兩進行相似度比較，無法擴展到海量文本的處理。 使用介紹可以參考 Corpora and Vector Spaces， 以

>>阅读原文<<