关于文档去重算法的问题，百度去重算法和simhash

关于文档去重算法的问题，百度去重算法和simhash。百度去重算法和simhash介绍:最近看文档去重算法，google用的是simhash。看到这句话，百度的去重算法最简单，就是直接找到这篇文章最长的N句话，用hash签名。 一般n是3。 项目极其简单，据说准确率和召回率。