海量数据去重之SimHash算法简介和应用

转：http://blog.csdn.net/u010454030/article/details/49102565 SimHash是什么 SimHash是Google在2007年发表的论文《Detecting Near-Duplicates for Web Crawling 》中提到的一种指纹生成算法或者叫指纹提取算法，被Google广泛应用在亿级的网页去重的Job中，作为locality se

>>阅读原文<<