-
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
-
这是用VC++编写的计算器的源代码,可以进行简单的数学运算
这是用VC++编写的计算器的源代码,可以进行简单的数学运算-This is used VC++ Prepared calculator source code, you can perform simple arithmetic
- 2022-12-01 18:05:03下载
- 积分:1
-
贪吃蛇源程序
相关头文件包含#include "graphics.h",#include
#include
#include 等,实现起来很方便
- 2022-11-09 00:55:03下载
- 积分:1
-
一维等离子体的plrc―fdtd算法程序
一维等离子体的plrc―fdtd算法程序-one-dimensional plasma plrc- fdtd Algorithm
- 2022-03-12 09:53:20下载
- 积分:1
-
toyFDTD GNU
toyFDTD GNU
- 2022-04-02 12:31:06下载
- 积分:1
-
凸多边形的最小权分割
资源描述最小权三角剖分问题是求最小总边长三角网的问题。这是一个多边形,输入或输入点集后必须细分为三角形,满足边缘到边缘和顶点到顶点,以这样的方式来减少三角形的周长的总和。
- 2022-08-12 12:31:55下载
- 积分:1
-
编程输出菱形图案
* * * * * * * * * * * * * * * *
- 2022-01-28 22:50:33下载
- 积分:1
-
用于实现非均匀采样FFT(NDFT),C代码,适合任意大小,复数数据;由Stefan Kunis , Daniel Potts开发...
用于实现非均匀采样FFT(NDFT),C代码,适合任意大小,复数数据;由Stefan Kunis , Daniel Potts开发-Realize non-uniform sampling for the FFT (NDFT), C code, suitable for any size, the plural data by Stefan Kunis, Daniel Potts development
- 2022-02-12 15:07:07下载
- 积分:1
-
用归并的算法思想实验文件的k路归并,代码为文件k路归并的c语言实现...
用归并的算法思想实验文件的k路归并,代码为文件k路归并的c语言实现-Thinking of merging algorithm with the experimental k-way merge document, code k way merge for files of c language
- 2022-02-03 09:42:05下载
- 积分:1
-
这是SIR微分方程模型对初值问题的求解和作图
这是SIR微分方程模型对初值问题的求解和作图-This is the SIR model differential equations to solve the problem of initial value and mapping
- 2022-03-13 22:57:17下载
- 积分:1