查看: 2420|回复: 0

[经验分享] simhash和minhash实现理解

尚未签到

发表于 2018-9-21 09:29:27 | 显示全部楼层 |阅读模式

1. 把文档A分词形成分词向量L，L中的每一个元素都包涵一个分词C以及一个分词的权重W　　2. 对L中的每一个元素的分词C进行hash，得到C1，然后组成一个新的向量L1
　　3. 初始化一个长度大于C1长度的向量V，所有元素初始化为0
　　4. 分别判断L1中的每一个元素C1的第i位，如果C1i是1，那么Vi加上w，否则Vi减去w
　　5. 最后判断V中的每一项，如果第i项大于0，那么第i项变成1，否则变成0
　　6. 两篇文档a,b分别得到aV,bV
　　6. 最后求出aV和bV的海明距离，一般距离不大于3的情况下说明两篇文档是相似的

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表，该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有，请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意，请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息，一经发现立即删除。若您因此触犯法律，一切后果自负，我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集，我们仅提供一个展示、介绍、观摩学习的平台，我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责，亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏，不得用于商业或者其他用途，否则，一切后果均由您自己承担，我们对此不承担任何法律责任
7、如涉及侵犯版权等问题，请您及时通知我们，我们将立即采取措施予以解决
8、联系人Email：admin@iyunv.com 网址：www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址：https://www.yunweiku.com/thread-599229-1-1.html 上篇帖子： cannot assign to struct field xxx in map 下篇帖子：关于GO的并发调度机制

使用道具举报