短文本simhash多少位合適？1）：計(jì)算simhash代碼a）。通過字符串分段獲得令牌；b）。計(jì)算每個(gè)令牌的64位哈希碼；c）。按哈希碼的位標(biāo)記，1被標(biāo)記為1，否則為-1；d）。將每個(gè)令牌的哈希碼按

短文本simhash多少位合適？

1）：計(jì)算simhash代碼a）。通過字符串分段獲得令牌；b）。計(jì)算每個(gè)令牌的64位哈希碼；c）。按哈希碼的位標(biāo)記，1被標(biāo)記為1，否則為-1；d）。將每個(gè)令牌的哈希碼按位求和；e）。Sign，大于0為1，否則為0，得到64位simhash指紋。

2）將64位simhash碼分成漢明距離n1塊，方便查找所有最近鄰simhash碼；3）計(jì)算兩個(gè)simhash碼的漢明距離，方法1：給出simhash的64位二進(jìn)制碼串：STR1。查拉特（我）！=STR2。Charat（I）；方法2：計(jì)算兩個(gè)simhash碼的漢明距離；方法2：給出simhash的int值：先做異或，然后在異或后計(jì)算1的二進(jìn)制位數(shù)

1。首先，要相信任何技術(shù)都是從入門到精通的，爬蟲技術(shù)的應(yīng)用水平，前提是要學(xué)好基礎(chǔ)水平的技術(shù)，爬蟲技術(shù)的學(xué)習(xí)是理所當(dāng)然的?；A(chǔ)水平知識(shí)包括：數(shù)據(jù)結(jié)構(gòu)、網(wǎng)絡(luò)技術(shù)如果你沒有足夠的時(shí)間了解數(shù)學(xué)的基礎(chǔ)知識(shí)，如計(jì)算機(jī)科學(xué)、操作系統(tǒng)、算法研究、離散數(shù)學(xué)、線性代數(shù)、微積分等，但你必須全面。

3. 應(yīng)用層的技術(shù)是海量的，比如Python本身，大數(shù)據(jù)，crawler，各種web開發(fā)語言等等，可以說我的生活是有限的，我對(duì)它一無所知。星星之火可以燎原。如果我開始學(xué)習(xí)，我就不用擔(dān)心學(xué)好了。我舉一個(gè)例子：我在學(xué)校的時(shí)候不懂河內(nèi)塔的算法，但是工作之后，隨著知識(shí)和經(jīng)驗(yàn)的積累，當(dāng)你回首往事，你會(huì)明白的。

學(xué)不好和學(xué)不好沒有區(qū)別。相信你自己