终于重构好代码了，使用模式：模板模式、策略模式、建造者模式、单一职责，弄一个余弦定理、simhash文本查重代码，并使用二叉排序树和平衡二叉树（待测试）来优化查询。百万数据查重秒查
2019-12-21 21:54:34
28KB
1
simhash算法对字符串计算权重时，对中文要做特殊操作，及先分词，请自行下载sanford中文分词jar包及中文分词库
2019-12-21 20:35:36
3KB
1
Detecting Near-Duplicates for Web Crawling 网页去重
2019-12-21 20:05:09
154KB
1
中文文本相似度匹配算法 simHash 海明距离 IK分词
完整的可运行的示例代码 包含simHash 算法，使用IK 对中文文本进行分词处理
2019-12-21 18:54:18
4.73MB
1
Java实现simHash算法，对应博客http://www.cnblogs.com/hxsyl/p/4518506.html
2019-12-21 18:50:17
6KB
1