simhash-- 一种文档去重的算法
摘要：
最早看数学之美的时候，书中就提到了这个算法，当时没有做过相关地工作，没什么具体的印象。一年前转岗时面试时别人提到了这个算法，知道了simhash可以用来解决网页等海量数据的去重问题，很高效。然后自己大概实现了一下这个算法的python版本，试了一下，感觉还不错，mark下吧# coding=utf-... 阅读全文
posted @ 2015-08-28 12:02 一颗麦粒 阅读(1411) 评论(0) 推荐(0) 编辑
