备案控制台

开发者社区> 问答> 正文

Python 数据挖掘中，SimHash算法的步骤是什么呢？

已解决

Python 数据挖掘中，SimHash算法的步骤是什么呢？

展开

收起

gxx1 2022-07-24 18:35:32 2799 0

1 条回答

写回答

取消提交回答

gxx2

推荐回答

simhash算法分为5个步骤：

1. 分词：得到有效的特征向量，每一个特征向量设置1-5等5个级别的权重。

2. Hash：计算各个特征向量的hash值，hash值为二进制数01组成的n-bit签名。

3. 加权：给所有特征向量进行加权，即W= Hash * weight 。

4. 合并：将上述各个特征向量的加权结果累加，变成只有一个序列串。

5. 降维：上述累加结果，如果大于0则置1，否则置0，从而得到该语句的simhash值，最后我们便可以根据不同语句simhash的海明距离来判断它们的相似度。

2022-07-24 18:52:21

赞同展开评论打赏

问答分类：

算法数据挖掘 Python

问答标签：

算法python Python算法算法步骤 Python数据挖掘算法算法数据挖掘

问答地址：

开发者社区 > 人工智能 > 问答

版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

相关问答

dataworks 的算法节点有说明文档嘛，可以写python模型脚本嘛？

10

1

0

python做数据挖掘会不会有那种算法来的容易，效率却被降得很低的情况。

11

1

0

如果已经用其它语言实现了某一算法，还有必要用Python再实现一遍吗？

5

1

0

python的优势在于方法库很多，而且有很多方便的算法库。但直接调用是否反而会影响了自己算法的理解？

10

1

0

机器学习PAI平台上的算法自定义，请帮忙看下有什么方式能解决这个问题？

45

1

0

阿里云OpenAPI这块自行实现签名有提供对应python的签名算法么？

22

1

0

AI Earth地表形变算法，两次都是卡在43.75%，这是因为操作步骤不对吗？

33

3

0

机器学习PAI-Designer算法组件自定义Python脚本组件不能保存提示文件上传失败

233

1

0

使用key通过 python下载数据列--请问具体是使用的哪个功能？

594

1

0

maxcomputer使用key通过 python下载数据列中文内容每次都是乱码需要解析，怎么解决？

581

1

0

问答排行榜

最热

最新

1 通过阿里云代备案系统进行个人快速备案 2699691

2 【大咖问答】对话PostgreSQL 中国社区发起人之一，阿里云数据库高级专家德哥 1818235

3 据说在家办公的程序员是这样写代码的？ 1792193

4 阿里云开放端口权限 689844

5 《阿里云服务器从入门到精通》—论坛精华帖汇总（2013.8.21更新） 599413

6 如何升级配置 536042

7 【藏经阁一起读（27）】本周推荐《Apache Flink案例集（2022版）》，你有哪些心得？ 522373

8 【精品问答】python技术1000问(1) 513959

9 Flink Forward Asia 2021 有奖问答 512777

10 Linux Bash严重漏洞修复紧急通知（已全部给出最终修复方案） 456904

11 OceanBase 使用动画（持续更新） 359241

12 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329705

13 OSS存储服务-客户端工具 321279

14 为体验实验室取一个新名字。 307239

15 企业邮箱发送邮件时，若出现投递失败产生退信，内容提示包含如下： the mta server of * reply:550 failed to meet SPF requirements 或者 the mta server of 163.com — 163mx01.mxmail.netease.com(220.181.14.141) reply:550 MI:SPF mx14,QMCowECpA0qTiftVaeB3Cg—.872S2 1442548128 http://mail.163.com/help 303784

16 Win Server 2003-2016 加密勒索事件必打补丁合集 295131

17 FLASH播放器，在IE浏览器下显示请确定您的域名已完成备案和CNAME绑定 283514

18 安全组详解，新手必看教程 277237

19 写code还是做管理，开发者如何进行职业规划？ 268337

20 惊喜翻倍：免费ECS+免费环境配置~！(ECS免费体验6个月活动3月31日结束) 255815

1 如何简单快速搭建出适配于多平台的小程序？ 639

2 如何在业务代码中优雅地使用责任链模式？ 723

3 AI技术对开发者的职业天花板是提升还是降低？ 927

4 如何评价 OpenAI 最新发布支持实时语音对话的模型GPT-4o？ 1598

5 在表单中，如何限制 “下拉复选” 可以选择的选项数量 102

6 为什么程序员害怕改需求？ 1063

7 “AI黏土人”一夜爆火，图像生成类应用应该如何长期留住用户？ 907

8 如何连接宜搭应用的数据库，读取指定几张表的数据，通过自己程序的算法处理后把结果数据写入到另一张表中 286

9 多选关联表单，流水号提取， 159

10 微信小程序怎么读取阿里云物联网物模型数据并显示 120

11 关于宜搭连接器预约会议，预约会议成功后发送过来的日程里面，日程前面自动加上了应用管理员的名字 149

12 钉钉宜搭使用手册【应用与页面复制】描述有错别字。 188

13 之前通义灵码参加的活动礼品领取到哪里了 255

14 如何从零构建一个现代深度学习框架? 1132

15 AI面试成为线下面试的“隐形门槛”，对此你怎么看？ 1764

16 宜搭接口（根据条件搜索表单实例详情列表）搜索人员控件，结果不对 131

17 阿里云百炼和灵积（DashScope）平台的关系是什么？ 134

18 宜搭JS实现多个子表单汇总到一个子表单内 288

19 多个子表单汇总到一个子表单中 134

20 请问上次@灵码活动奖品，还没有收到，也没有地方看到是否发货，这活动是不是骗人玩的！！！ 423

相关课程

更多

Python Web开发基础

33200

4

去学习

Python开发基础入门

11202

17

去学习

Python常用数据科学库

1460

53

去学习

Python网络爬虫实战

2190

3

去学习

Python完全自学手册图文教程

11193

39

去学习

Python基础快速入门实战教程

37991

8

去学习

推荐问答

乘风问答官招募中！机械键盘免费拿

相关电子书

更多

From Python Scikit-Learn to Sc 立即下载

Data Pre-Processing in Python: 立即下载

双剑合璧-Python和大数据计算平台的结合 立即下载

相关实验场景

更多