simhash算法實現--查找文件相似度

爲什麼80%的碼農都做不了架構師？>>>    一、Simhash簡介 SimHash是用來網頁去重最常用的hash方法，速度很快。Google採用這種算法來解決萬億級別的網頁去重任務。 SimHash算法的主要思想是降維。將高維的特徵向量映射成一個低維的特徵向量，通過兩個向量的Hamming Distance來確定文章是否重複或者高度近似。 在simhash的發明人Charikar的論文中並沒有

>>阅读原文<<