weixin_43750200的博客

原创 python使用simhash实现文本相似性对比（全代码展示）

导入2篇文章，用结巴分词选出权重Top10的词语，转化成哈希编码，对比2篇文章的汉明距离，阈值设置为18，汉明距离小于等于18的为文本相似，反之不相似。另外，有没有大神帮忙回复下怎么写一个导入2篇文章的接口，谢谢。import reimport codecsimport jiebaimport jieba.analyseimport numpy as npfr1 = 'C:/Us...