LSH(局部敏感哈希算法)实现文本的相似性比对

源码见github：https://github.com/smallsmallcase/lsHash

和LSH算法类似，朴素贝叶斯算法也能实现相近的分类功能，朴素贝叶斯算法给新浪新闻分类的代码见： https://github.com/smallsmallcase/machinelearning2-bayes

1.LSH算法简介：

我们将这样的一族hash函数 H={h:S→U} 称为是(r1,r2,p1,p2)敏感的，如果对于任意H中的函数h，满足以下2个条件：
如果d(O1,O2)<r1，那么Pr[h(O1)=h(O2)]≥p1
如果d(O1,O2)>r2，那么Pr[h(O1)=h(O2)]≤p2
其中，O1,O2∈S，表示两个具有多维属性的数据对象，d(O1,O2)为2个对象的相异程度，也就是1 - 相似度。其实上面的这两个条件说得直白一点，就是当足够相似时&#