-
simHash,用来网页去重最常用的hash方法,速度很快.
Simhash
传统IR领域内文本相似度比较所采用的经典方法是文本相似度的向量夹角余弦,其主要思想是根据一个文章中出现词的词频构成一个向量,然后计算两篇文章对应向量的向量夹角。但由于有可能一个文章的特征向量词特别多导致整个向量维度很高,使得计算的代价太大,对于Google这种处理万亿级别的网页的搜索引擎而言是不可接受的,simhash算法的主要思想是降维,将高维的特征向量映射成一个f-bit的指纹(fingerprint),通过比较两篇文章的f-bit指纹的Hamming Distance来确定文章是否重复或者高度近似。
simhash算法很精巧,但却十分容易理解和实现,具体的simhash过程如下:
请点击左侧文件开始预览 !预览只提供20%的代码片段,完整代码需下载后查看 加载中 侵权举报
- 2022-11-14 00:20:04下载
- 积分:1
-
HUI EGO ZNAET 40
HUI EGO ZNAET 40-HUI EGO ZNAET 40!!!!!!!!!!!!
- 2022-01-24 16:01:21下载
- 积分:1
-
THUNGHIEM HAM IF
IF I AM YOU THEN
I WILL OPEN FREE TO ALL
END IF
IF YOU ARE ME THEN
YOU NEED TO OPEN FREE TO ALL
END IF
- 2022-07-18 09:46:42下载
- 积分:1
-
In the learning process of digital signal processing algorithms using VC General...
在学习数字信号处理算法程序中用VC编写的几个通用算法程序。
卷积计算/DFT与FFT实现/-In the learning process of digital signal processing algorithms using VC General Algorithm for the preparation of several procedures. Convolution calculation/DFT and FFT realization /
- 2022-07-13 20:31:16下载
- 积分:1
-
bp神经网络 c++
c++实现bp算法 实现二进制数 和十进制数的识别
- 2023-01-04 20:00:03下载
- 积分:1
-
纯python的des加密
标准的des加密算法python实现,支持各种标准模式,兼容性良好,无需安装,直接引用
- 2022-06-12 09:46:23下载
- 积分:1
-
Fortran科学计算程序,计算原子间力的大小,能级分布
Fortran科学计算程序,计算原子间力的大小,能级分布-Fortran scientific computing procedures, calculation of inter-atomic force size, level distribution
- 2022-08-24 15:49:45下载
- 积分:1
-
利用c++编写的矩阵迭代算法,其中包含了雅可比方法和高斯
利用c++编写的矩阵迭代算法,其中包含了雅可比方法和高斯-赛德尔方法-Use c++ Matrix prepared iterative algorithm, which contains the Jacobi method and Gauss- Seidel method
- 2022-02-25 06:43:41下载
- 积分:1
-
c#音乐播放器
请点击主窗口右上角的“?”帮助按钮,即有对应的功能介绍和作者信息~~~~友情提示:在win7系统下运行才可达到最好的美化效果!!!如果喜欢的话,记得给好评哦,亲~
- 2023-08-13 10:30:04下载
- 积分:1
-
关于全排列的C++实现
全排列算法采用分治递归的思想,举例来说就是,假设给出一串数字要求进行全排列,则先保持该数字串的第一位不动,其后的数字进行全排列,排列思想依旧,然后将该数字串的第一位和第二位置换,在进行全排列,以此类推,进行递归排列。
- 2023-08-11 10:40:03下载
- 积分:1