文本查重（未完）

因为申请的学校的项目，准备写个文本查重。

浏览了些网上的资料，结合下自己的实际需求，觉得simhash算法比较合适一些。

先附上一些参考资料吧

需求总结不错

https://blog.csdn.net/weixin_43098787/article/details/82836140

simhash算法入门了解

https://blog.csdn.net/chinafire525/article/details/78645956

simhash更全面的介绍（引用文献不错）

https://blog.csdn.net/sunny_ss12/article/details/46958155

下面就是一些实现了：

https://blog.csdn.net/weixin_43098787/article/details/82838348

py3：https://blog.csdn.net/gzt940726/article/details/80460419

https://www.cnblogs.com/Liqiongyu/p/6213323.html

高效计算二进制序列中1的个数：

https://yanyiwu.com/work/2014/01/30/simhash-shi-xian-xiang-jie.html

simhash海量文本去重工程化

https://yuerblog.cc/2018/05/30/simhash-text-unique-arch/

汉明距离

http://www.lanceyan.com/tag/simhash

关键词提取

https://blog.csdn.net/gzt940726/article/details/80256011