simHash算法

前言： 網上有很多對simHash的算法的講解，但是大多數的通病是要麼講的太冗餘，比如分詞講太多，代碼寫太多，要麼關鍵點沒有講到，例如針對海量數據，如何利用simHash算法。網上都知道使用抽屜原理，但是要知道這個抽屜原理充分條件而非必要條件。本文主要簡單明瞭講解一下原理 問題的起源： 設計比較兩篇文章相似度的算法。 其實比較兩篇文章相似度的算法有很多，爲什麼使用這個，網上也一大堆就不多說了。 s

>>阅读原文<<