信息指纹：
任何信息 都可以对应一段不太长的随机数 只要算法设计得好，指纹就很难重复。
例如将网址（约100*8bit）映射成128bit
google 相似hash 查相同网页， 假定网页中有若干词t1 t2 t3，他们权重（tf idf）为为iew1,w2
第一步将八位二进制指纹扩展为八个实数，第二步将八个实数变为八位二进制数。
若信息指纹相似越高 则文章相似的可能性越大。
布隆过滤器：
用来解决识别垃圾邮件的问题，hash表太大了。例如将每个地址都对应成8字节的信息指纹，而三列表的存储效率为1/2,故一亿个地址大概需要1.6GB空间（16亿字节内存）
布隆过滤器只需要1/4或者1/8的内存，先建立16亿个比特位即两亿字节的向量，并清零。
将电子邮件x用八个不同的随机数生成器产生八个信息指纹，将其映射到1-16亿中的八个自然数中，将这八个位置都设置为1.
检测时，如果八个比特都为1，则判定其在名单中（有可能会产生误判）
3097
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
