基于 SimHash 算法的相似文本检索原理及实现过程（上）

背景 上周某一天，笔者搜遍全网，综合各种不完整的代码片段、GitHub 上几十个 SimHash 项目、几十个相关网络资源文章后，终于搞定了一个还算精确的 SimHash 算法的 Java 版本。 输出是检验掌握一个知识点的简单标准，本文就来详细介绍一下基于 SimHash 算法的相似文本检索的原理和实现过程。 文本相似度的应用 最近在搞一个漏洞库爬虫项目，需要综合分析并合并几个漏洞网站的漏洞信息

>>阅读原文<<