软件简介

simhash 算法的 java 实现。

特点

• 计算字符串的 simhash

• 通过构建智能索引来计算所有字符串之间的相似性，因此可以处理大数据

使用

• 使用输入文件和输出文件运行 Main

• inputfile 的格式（参见 src / test_in）：一个文件每行用 utf8 字符集

• outputfile 格式

  start //start flag

  first line // doc

  sencode lien // doc1\tdist the dist is the hamming distance between doc and doc1 

  end //end flag