局部敏感哈希算法

私認爲，文本的相似性可以分爲兩類：一類是機械相似性；一類是語義相似性。       機械相似性代表着，兩個文本內容上的相關程度，比如「你好嗎」和「你好」的相似性，純粹代表着內容上字符是否完全共現，應用場景在：文章去重；       語義相似性代表着，兩個文本語義上的相似程度，比如「蘋果」和「公司」的相似性，本篇不做這一討論，可參考筆者的另外一篇博客：  NLP︱句子級、詞語級以及句子-詞語之間相似

>>阅读原文<<