R语言实现︱局部敏感哈希算法（LSH）解决文本机械相似性的问题（一，基本原理）NLP︱句子级、词语级以及句子-词语之间相似性（相关名称：文档特征、词特征、词权重）一、基本概念界定上的区别二、hash函数拓展simhash、minhash算法三、局部敏感哈希(Locality Sensitive Hashing，LSH)算法拓展一：应用场景
私认为，文本的相似性可以分为两类：一类是机械相似性；一类是语义相似性。机械相似性代表着，两个文本内容上的相关程度，比如“你好吗”和“你好”的相似性，纯粹代表着内容上字符是否完全共现，应用场景在：文章去重；语义相似性代表着，两个文本语义上的相似程度，比如“苹果”和“公司”的相似性，本篇不做这一讨论，可参考笔者的另外一篇博客： NLP︱句子级、词语级以及句子-词语之间相似性（相关名称：
