网页查重-simhash算法的java实现
在上一篇文章中，我们简单介绍了simhash算法，而在实际将它应用到网页查重中，我们首先需要分词算法将网页传来的数据流按照权重分开，但是由于对于中文和英文混杂的分词并不熟悉，我就十分偷懒的仅对英文进行分词，中文基本没管，简单的将所有的中文隔开，直接把所有含中文的字符串隔开，下面是java实现：在上一篇文章中，我们简单介绍了simhash
阅读背景：
网页查重-simhash算法的java实现
来源：互联网
分享到：
