文件名称：simhash:一种有效的文本相似度计算算法
文件大小：2.05MB
文件格式：ZIP
更新时间：2024-06-02 07:50:47
Java
simhash 高效的文本相似度去重算法实现 simhash是什么 Google发明的的文本去重算法，适合于大批量文档的相似度计算 主要步骤 对文本分词，得到N维特征向量（默认为64维） 为分词设置权重（tf-idf） 为特征向量计算哈希 对所有特征向量加权，累加（目前仅进行非加权累加） 对累加结果，大于零置一，小于零置零 得到文本指纹（fingerprint）
【文件预览】：
simhash-master
----.gitignore(9B)
----src()
--------main()
--------test()
----pom.xml(1KB)
----README.md(535B)