文本相似度判定

简介 针对文本相似判定，本文提供余弦相似度和SimHash两种算法，并根据实际项目遇到的一些问题，给出相应的解决方法。经过实际测试表明：余弦相似度算法适合于短文本，而SimHash算法适合于长文本，并且能应用于大数据环境中。 余弦相似度 原理 余弦定理：                    图-1 余弦定理图示 性质： 余弦值的范围在[-1,1]之间，值越趋近于1，代表两个向量的方向越趋近于0°

>>阅读原文<<