simhash算法

方法介绍 背景 若是某一天，面试官问你如何设计一个比较两篇文章类似度的算法？可能你会回答几个比较传统点的思路：html 一种方案是先将两篇文章分别进行分词，获得一系列特征向量，而后计算特征向量之间的距离（能够计算它们之间的欧氏距离、海明距离或者夹角余弦等等），从而经过距离的大小来判断两篇文章的类似度。 另一种方案是传统hash，咱们考虑为每个web文档经过hash的方式生成一个指纹（finger

>>阅读原文<<