【文件属性】：
文件名称：simhash：中文文档simhash值计算
文件大小：4.37MB
文件格式：ZIP
更新时间：2021-02-24 09:36:21
C++
专门针对中文文档的simhash算法库
简介
此项目用来对中文文档计算出对应的simhash值。simhash是谷歌用来进行文本去重的算法，现在广泛应用在文本处理中。
详见
特性
使用作为分词器和关键字抽取器
使用作为hash函数
hpp风格，所有源码都是.hpp文件里面，方便使用。没有链接，就没有伤害。
本项目的副产品项目： 提供了简单的simhash HTTP服务。
依赖
g ++（建议版本> = 4.1）或clang ++。
用法
mkdir build
cd build
cmake ..
make
测试
make test
演示
./demo
结果如下：
文本："我是蓝翔技工拖拉机学院手扶拖拉机专业的。不用多久，我就会升职加薪，当上总经理，出任CEO，走上人生巅峰。"
关键词序列是: ["蓝翔:11.7392", "CEO:11.7392", "升职:10.8562", "加薪:1
【文件预览】：
simhash-master
----.gitignore(67B)
----.travis.yml(275B)
----deps()
--------limonp()
--------cppjieba()
----README.md(2KB)
----include()
--------simhash()
----example()
--------demo.cpp(1KB)
--------CMakeLists.txt(81B)
----dict()
--------idf.utf8(5.72MB)
--------stop_words.utf8(9KB)
--------jieba.dict.utf8(4.84MB)
--------hmm_model.utf8(508KB)
----test()
--------load_test.cpp(820B)
--------testdata()
--------CMakeLists.txt(123B)
--------unittest()
----CMakeLists.txt(434B)
----ChangeLog.md(1KB)
----README_EN.md(2KB)