Dữ liệu lớn & Khai phá văn bản
SimHash Document Fingerprinting
ID: #238
Xem trên trang chủ
Thời gian (Time)
O(Document Length * Bits)
Không gian (Space)
O(Bit Vector)
Mô tả nguyên lý
Sinh chữ ký số bit vector cho tài liệu sao cho khoảng cách Hamming phản ánh độ tương đồng nội dung.
Cài đặt mẫu (Implementation)
// Băm các từ trong văn bản, cộng dồn vector trọng số và nhị phân hóa thành chữ ký 64-bit.