simhash-java

Java实现simhash算法的简单实现。

特征：

1. 计算字符串的simhash


2. 通过构建智能索引来计算所有链之间的相似度，因此我们可以处理大数据。

如何使用：

• 使用inputfile和outputfile运行Main。




• 输入文件的格式（请参阅src / test_in）：每行doc带有utf8字符集。




• 输出文件的格式（请参见src / test_out）：




• 开始//开始标志




• 第一行// doc




• sencode lien // // doc1 \ tdist dist是doc和doc1之间的汉明距离




• 结束//结束标志

未来：

1. 将项目构建到可运行的jar中。


2. 在大数据下提高性能。

注意：

1. 在运行Main.java之前，您应该选择一个更好的分析器而不是BinaryWordSeg！