python文件查重_文件查重 我使用的是面向局部敏感的最小哈希签名的方法进行文档查重 联合开发网 - pudn.com...

文件查重

所属分类：其他

开发工具：Python

文件大小：39KB

下载次数：7

上传日期：2017-12-20 16:45:32

上 传 者：lala_

说明：  我使用的是面向局部敏感的最小哈希签名的方法进行文档查重。设计采用了集合的思想，因为是要在一个文件夹中查找相似的文档，决定采用shingling 来表示一篇文档，运用了K-shingles技术,将一篇文档看成是一个字符串，k-shingle就是这篇文档中出现过的任何长度为k的一个字符串，在进行处理之前会去掉文档中不必要的标点符号，空格，和换行。对于k的取值，若是一般的文档则取5就够了，若是文档较长的话取9是相对而言比较安全的。

(I used a locally sensitive minimum Hashi signature method for document retrieval. The design uses a collection of ideas, because it is to find a similar document in a folder, decided to use shingling to represent a document, using K-shingles technology, a document as a string of any length is k-shingle in this document as a string of K, in before processing will remove punctuation, unnecessary document spaces and newlines. For the value of K, if the general document is 5 enough, if the document is longer, it is relatively safe to take 9.)

文件列表：[举报垃圾]

文件查重

文件查重\物联1401-陈淑芳-201408080123.docx, 42759, 2017-05-11

近期下载者：

相关文件：

收藏者：