Simhash

算法簡介

simHash是用來網頁去重最常用的hash方法，速度很快.

Simhash

算法偽代碼

1，將一個f維的向量V初始化為0；f位的二進制數S初始化為0；

2，對每一個特徵：用傳統的hash算法對該特徵產生一個f位的簽名b。對i=1到f：

如果b的第i位為1，則V的第i個元素加上該特徵的權重；

否則，V的第i個元素減去該特徵的權重。

3，如果V的第i個元素大於0，則S的第i位為1，否則為0；

4，輸出S作為簽名。