SimHash算法原理

一、什麼是SimHash SimHash算法是Google在2007年發表的論文《Detecting Near-Duplicates for Web Crawling》中提到的一種指紋生成算法，被應用在Google搜索引擎網頁去重的工作之中。 簡單的說，SimHash算法主要的工作就是將文本進行降維，生成一個SimHash值，也就是論文中所提及的「指紋」，通過對不同文本的SimHash值進而比較海

>>阅读原文<<