使用spark TF-IDF特征计算文章间相似度
写在前面计算字符串之前的相似度可以使用 Levenshtein distance（最小编辑距离）来实现，JAVA实现可以参考http://blog.csdn.net/ironrabbit/article/details/18736185，计算新闻标题间的相似度间可以使用这个算法，如果是计算整篇文章间的相似度使用更适合使用：分词–>特征提取–>向量空间–>计算向量相似度，这样的流程，本文介绍方法纯属个
