文本相似性算法Simhash原理及實踐

simhash（局部敏感哈希）的原理     simhash的背景  simhash廣泛的用於搜索領域中，也許在面試時你會經常遇到這樣的問題，如果對抓取的網頁進行排重，如何對搜索結果進行排重等等。隨着信息膨脹時代的來臨，算法也在不斷的精進，相似算法同樣在不斷的發展，接觸過lucene的同學想必都會了解相似夾角的概念，那就是一種相似算法，通過計算兩個向量的餘弦值來判斷兩個向量的相似性，但這種方式需要

>>阅读原文<<