simhash算法

方法介紹 背景 若是某一天，面試官問你如何設計一個比較兩篇文章類似度的算法？可能你會回答幾個比較傳統點的思路：html 一種方案是先將兩篇文章分別進行分詞，獲得一系列特徵向量，而後計算特徵向量之間的距離（能夠計算它們之間的歐氏距離、海明距離或者夾角餘弦等等），從而經過距離的大小來判斷兩篇文章的類似度。 另一種方案是傳統hash，咱們考慮爲每個web文檔經過hash的方式生成一個指紋（finger

>>阅读原文<<