备案控制台

开发者社区> 问答> 正文

Python 数据挖掘中，SimHash算法的思想是什么呢？

已解决

Python 数据挖掘中，SimHash算法的思想是什么呢？

展开

收起

gxx1 2022-07-24 18:35:32 2744 0

1 条回答

写回答

取消提交回答

gxx2

推荐回答

算法思想是：simhash算法的主要思想是降维，将高维的特征向量映射成一个低维的特征向量，通过两个向量的Hamming Distance来确定文章是否重复或者高度近似。

Google采用这种算法来解决万亿级别的网页的去重任务

2022-07-24 18:52:20

赞同展开评论打赏

问答分类：

算法数据挖掘 Python

问答标签：

Python算法算法python Python数据挖掘数据挖掘算法数据挖掘python

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

机器学习PAI这个算法python版本的一直报错可以看一下吗？

76

0

0

dataworks 的算法节点有说明文档嘛，可以写python模型脚本嘛？

55

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？

46

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？

23

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？

25

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？

73

1

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

250

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？

617

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？

618

1

0

dataworks python3节点返回数据后不能自动停止运行，请问如何处理？

786

1

0

问答排行榜

最热

最新

1 【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 1819010

2 据说在家办公的程序员是这样写代码的？ 1793123

3 阿里云开放端口权限 690262

4 如何升级配置 536289

5 【藏经阁一起读（27）】本周推荐《Apache Flink案例集（2022版）》，你有哪些心得？ 522846

6 【精品问答】python技术1000问(1) 514126

7 Flink Forward Asia 2021 有奖问答 512904

8 OceanBase 使用动画（持续更新） 359371

9 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329801

10 OSS存储服务-客户端工具 321574

11 为体验实验室取一个新名字。 307475

12 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 304083

13 Win Server 2003-2016 加密勒索事件必打补丁合集 295328

14 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 284198

15 安全组详解，新手必看教程 277341

16 写code还是做管理，开发者如何进行职业规划？ 269132

17 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) 255880

18 阿里云手机和阿云浏览器连接问题专帖 235687

19 支付宝H5 下载的时候，提示【请确保该下载文件来源安全,如需浏览,请长按网址复制后使用浏览器访问】 227519

20 请问阿里云邮箱如何开启SMTP服务啊！ 225863

1 请教：通过按钮打开另外一个表单，并把其中一个值传递给另一个表单的其中一个字段。 100

2 AI宠物更适合当代年轻人的陪伴需求吗？ 537

3 AI客服未来会完全代替人工吗？ 712

4 “云+AI”能够孵化出多少可能？ 783

5 当AI频繁生成虚假信息，我们还能轻信大模型吗？ 555

6 使用免费证书后服务器浏览器访问没有问题，外网访问显示证书不可信，使用同一种浏览器哦 128

7 FFA 2024 大会门票免费送！AI时代下大数据技术未来路在何方？ 1413

8 为什么宜搭的流程流入到钉钉OA审批，钉钉OA审批要收钱啊。。。。 150

9 宜搭UPDATE或UPSERT一次更新数据超过100条怎么办？谢谢各位大大帮帮忙！！！ 123

10 CUDA error: CUDA-capable device(s) is busy 119

11 AI时代，存力or算力哪一个更关键？ 1180

12 求宜搭关联表单的更新方法！！！ 288

13 全网寻找 #六边形战士# 程序员，你的 AI 编码助手身份标签是什么？ 1227

14 老哥们有个需求想请教一下，十分感谢 280

15 关于“通义灵码”而言，这次更新后，他更加人性化，然而我更喜欢fittencode,理由如下 340

16 关于宜搭自定义页面的文本组件循环获取其它表单的子表单数据。 120

17 flink1.20.0 部署后发布报错，是怎么回事，各种配置都配置了 162

18 关于开发者的100件小事，你知道哪些？ 1261

19 AI助力，短剧迎来创新热潮？ 1063

20 "ModelScope默认的下载位置是在哪里？ 457

相关课程

更多

Python Web 框架 Django 快速入门

30770

4

去学习

Python Web开发基础

33641

4

去学习

Python爬虫实战

40353

6

去学习

Python开发基础入门

11741

17

去学习

Python常用数据科学库

1622

53

去学习

Python网络爬虫实战

2529

3

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