文本相似性计算总结（余弦定理，simhash）及代码
最近在工作中要处理好多文本文档，要求找出和每个文档的相识的文档。通过查找资料总结如下几个计算方法： 1、余弦相似性 我举一个例子来说明，什么是"余弦相似性"。 为了简单起见，我们先从句子着手。 请问怎样才能计算上面两句话的相似程度？ 基本思路是：如果这两句话的用词越相似，它们的内容就应该越相似。因此，可以从词频入手，计算它们的相似程度。...
