simhash 高效的文本相似度去重算法实现 simhash是什么 Google发明的的文本去重算法，适合于大批量文档的相似度计算 博客介绍 主要步骤 对文本分词，得到N维特征向量（默认为64维） 为分词设置权重（tf-idf） 为特征向量计算哈希 对所有特征向量加权，累加（目前仅进行非加权累加） 对累加结果，大于零置一，小于零置零 得到文本指纹（fingerprint）