局部敏感哈希算法

私认为，文本的相似性可以分为两类：一类是机械相似性；一类是语义相似性。       机械相似性代表着，两个文本内容上的相关程度，比如“你好吗”和“你好”的相似性，纯粹代表着内容上字符是否完全共现，应用场景在：文章去重；       语义相似性代表着，两个文本语义上的相似程度，比如“苹果”和“公司”的相似性，本篇不做这一讨论，可参考笔者的另外一篇博客：  NLP︱句子级、词语级以及句子-词语之间相似

>>阅读原文<<