文本相似度判定

簡介 針對文本相似判定，本文提供餘弦相似度和SimHash兩種算法，並根據實際項目遇到的一些問題，給出相應的解決方法。經過實際測試表明：餘弦相似度算法適合於短文本，而SimHash算法適合於長文本，並且能應用於大數據環境中。 餘弦相似度 原理 餘弦定理：                    圖-1 餘弦定理圖示 性質： 餘弦值的範圍在[-1,1]之間，值越趨近於1，代表兩個向量的方向越趨近於0°

>>阅读原文<<