simhash文本類似度計算

常見文本類似度計算方法： 1 向量空間模型VSM（Vector Space Model）。使用VSM計算類似度，先對文本進行分詞，而後創建文本向量，把類似度的計算轉換成某種特徵向量距離的計算，好比餘弦角、歐式距離、Jaccard類似係數等。這種方法存在很大一個問題：須要對文本兩兩進行類似度比較，沒法擴展到海量文本的處理。 使用介紹能夠參考 Corpora and Vector Spaces， 以及

>>阅读原文<<