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！
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！
Select Language