在摸索学习数据分析处理。
其中在相似文章汇总处卡住,找不到较好的相关教程、文档、思绪。
目前我使用的是simhash,分4分比照,但是效果不佳。
海明距离小于等于3的基本是原文一字不改的文章。
我发现海明距离9以内的也非常相似。
按照simhash64位分4份,按照1份相同就判断为海明距离3以内。
如果想分为8分,又要怎么计算呢。
我希望实现9以内的能够汇总在一起。
另外请问如何通过标题做相似汇总?
请各位大佬给点思绪或者教程。
不胜感激!以身相许!
与恶龙缠斗过久,自身亦成为恶龙;凝视深渊过久,深渊将回以凝视…