文章相似度與聚類（一種簡單高效的算法）

算法思想：將文章映射到一個n維向量v[]，將向量的值二值化爲0或1 。用向量a和向量b表示兩篇文章，a和b同時爲1的位數記爲 S1（對爲1的位求交集）,a和b至少一個爲1的位數記爲S2（對爲1的位求並集）.相似度即爲S1/S2. 重點在於如何將文章用一個向量表示。   主要計算流程如下：                                   爲了便於存儲，將448維的0-1向量用32

>>阅读原文<<