V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
naldo0193
V2EX  ›  问与答

请教各位大佬,如何准确汇总相似文章。

  •  
  •   naldo0193 · 2020-06-10 22:00:47 +08:00 · 711 次点击
    这是一个创建于 1633 天前的主题,其中的信息可能已经有所发展或是发生改变。

    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!

    第 1 条附言  ·  2020-06-11 21:21:57 +08:00
    希望各位大佬帮帮忙
    目前尚无回复
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2936 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 21ms · UTC 03:30 · PVG 11:30 · LAX 19:30 · JFK 22:30
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.