前言：
现时我们对“hash算法实验报告”大概比较注意，各位老铁们都需要剖析一些“hash算法实验报告”的相关知识。那么小编也在网上搜集了一些对于“hash算法实验报告””的相关资讯，希望小伙伴们能喜欢，姐妹们一起来学习一下吧！SimHash算法可计算文本间的相似度，实现文本去重。
首先，对原始内容分词，并且计算每个词的权重；对每个词哈希成一个整数，并且把这个整数对应的二进制序列中的 0 变成 -1，1 还是 1，得到一个 1 和 -1 组成的向量；把每个词哈希后的向量乘以词的权重，得到一个新的加权向量；把每个词的加权向量相加，得到一个最终向量，这个向量中每个元素有正有负；把最终这个向量中元素为正的替换成 1，为负的替换成 0，这个向量变成一个二进制位序列，也就是最终变成了一个整数。
Simhash 为每一个内容生成一个整数指纹，其中的关键是把每个词哈希成一个整数，这一步常常采用 Jenkins 算法。这里简单示意的整数只有 8 个二进制位，实际上可能需要 64 个二进制位的整数，甚至范围更大。
得到每个内容的 Simhash 指纹后，可以两两计算 汉明距离，比较二进制位不同个数，其实就是计算两个指纹的异或，异或结果中如果包含 3 个以下的 1，则认为两条内容重复。
版权声明：
本站文章均来自互联网搜集，如有侵犯您的权益，请联系我们删除，谢谢。
标签： #hash算法实验报告
