2014年12月24日
.NET下文本相似度算法余弦定理和SimHash浅析及应用
摘要： 在数据采集及大数据处理的时候，数据排重、相似度计算是很重要的一个环节，由此引入相似度计算算法。常用的方法有几种：最长公共子串（基于词条空间）、最长公共子序列（基于权值空间、词条空间）、最少编辑距离法（基于词条空间）、汉明距离（基于权值空间）、余弦值（基于权值空间）等，今天我们着重介绍最后两种方式。 阅读全文
posted @ 2014-12-24 23:53 51tools.info 阅读(3400) 评论(11) 推荐(7) 编辑
http://51tools.info 程序员的好帮手