原书出处
智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)
04 第4章 搜索系统框架及原理
行相似度计算了。 经实验证明,SimHash算法是应用最广泛且表现最好的去重算法之一,是一种局部敏感哈希框架的实现特例。
该算法流行的原因是:两个文档越相似,其对应的两个哈希值也就越接近,且哈希值的计算明显比文本计算快很多,同时也节省空间。
图4-4 网页相似检验流程 图4-5 通用的网页去重流程 SimHash算法步骤如下。 1)对需要判断的文本分词形成该
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0060.html
EPUB SHA-256:7c59ad7c208225d5ad9ff8ebac84642c693438b69bb9a48fad164b9dfb1eb976