代码来源 1 #include<iostream> 2 #include <map> 3 #include <iomanip> 4 #include <string> 5 #include <cstring> 6 using namespace std; 7 map<string, bool>m[1 ...
分类：
其他好文 时间：
2020-04-28 20:10:39
阅读次数：
126
解题思路： 1、存储：用一张哈希表存储单词以及对应所在的文件，再用一张文件表，存储每个文件的词汇量以及单词在哈希表中的位置 2、查询：先在文件表中查询对应的文件名，（取文件词汇量较少的文件名）-> 找到对应文件名中的词汇所在位置-> 根据此单词的位置到哈希表中查找单词所在文件列表->从而判断该单词是 ...
分类：
其他好文 时间：
2020-04-08 20:45:08
阅读次数：
117
如果两个文件相似度很高，那么上下文格式的diff，将显示大量重复的内容，很浪费空间。1990年，GNU diff率先推出了"合并格式"的diff，将f1和f2的上下文合并在一起显示。 它的使用方法是加入u参数（代表unified）。 $ diff -u f1 f2 显示结果如下： f1 2012-0 ...
分类：
其他好文 时间：
2018-09-03 12:05:47
阅读次数：
166
文件A1 包含字符Bi 的个数BiN1,文件A2 包含的字符Bi 的个数BiN2 利用余弦算法: 相似度 = (B1N1*B1N2 +B2N1*B2N2+....+BiN1*BiN2)/(Math.sqrt(B1N1^2 +B2N1^2+....+BiN1^2)*Math.sqrt(B1N2^2 + ...
分类：
编程语言 时间：
2016-06-20 18:39:02
阅读次数：
173
如果两个文件相似度很高，那么上下文格式的diff，将显示大量重复的内容，很浪费空间。1990年，GNU diff率先推出了"合并格式"的diff，将f1和f2的上下文合并在一起显示。它的使用方法是加入u参数（代表unified）。 $ diff -u f1 f2显示结果如下： --- f1 20.....
分类：
其他好文 时间：
2015-06-07 20:12:09
阅读次数：
123
1.相似度定义
我们定义，则，我们设，则,|C|=s,则相似度p=，p（0,1）
2.相似度检测算法设计
算法设计：
定义4个字符为一个字符串，将T1，T2分割成若干字符串，若剩余字符不足4个，则以空格补全。将分割后的T1T2计数，记下|T1|=n，|T2|=m，s=0；在T1中取出第一字符串，检测是否在T2中，若存在，则s+1,并删除与被检测字符串相同的字符串，循环到T...
分类：
其他好文 时间：
2014-12-01 10:10:14
阅读次数：
216
一、Simhash简介 SimHash是用来网页去重最常用的hash方法，速度很快。Google采用这种算法来解决万亿级别的网页去重任务。 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...
分类：
其他好文 时间：
2014-08-18 12:43:55
阅读次数：
249
