simhash算法实现--查找文件相似度

为什么80%的码农都做不了架构师？>>>    一、Simhash简介 SimHash是用来网页去重最常用的hash方法，速度很快。Google采用这种算法来解决万亿级别的网页去重任务。 SimHash算法的主要思想是降维。将高维的特征向量映射成一个低维的特征向量，通过两个向量的Hamming Distance来确定文章是否重复或者高度近似。 在simhash的发明人Charikar的论文中并没有

>>阅读原文<<