摘要： Simhash算法：Simhash算法由Google的Charikar提出，是将一篇文档转化为n位的签名，通过比较签名的相似度来计算原文档的相似度。签名越相近，则文档越相近。因此，整个过程就不会涉及到原文档文本内容的两两比较，就不需要存储这些海量文档的内容。simhash算法的输入是一个向量，输出是... 阅读全文