java 实现的simhash中文指纹项目

源码地址 https://github.com/yangydeng/SimhashForChinese

imhashForChinese 中文的simhash指纹生成工具。 功能包括:

  1. 利用simhash算法产生文本对应的指纹,可用指纹对照的方式去重;
  2. 加入高频词过滤机制;
  3. 可自行设置特殊词性的权重;
  4. 可自行设置停用词/停用词性;
  5. 感谢hanlp开源项目提供的分词以及词性标注功能;http://www.hankcs.com/nlp/hanlp.html
  6. 感谢JohnBanana开源的simhash算法的核心代码;http://blog.csdn.net/john_hongming/article/details/41696115
  7. 本项目作者仅在上述项目的基础上做了简单整合。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值