海量數據去重之SimHash算法簡介和應用

轉：http://blog.csdn.net/u010454030/article/details/49102565 SimHash是什麼 SimHash是Google在2007年發表的論文《Detecting Near-Duplicates for Web Crawling 》中提到的一種指紋生成算法或者叫指紋提取算法，被Google廣泛應用在億級的網頁去重的Job中，作爲locality se

>>阅读原文<<