土法炼钢兴趣小组的算法知识备份

MinHash 与 SimHash：海量文本相似度检测

2025-07-15 | algorithms | #probabilistic #minhash #simhash #lsh #similarity

在数十亿网页中找出近似重复的内容，逐对比较需要天文数字的计算量。MinHash 和 SimHash 用概率方法将复杂度从 O(n^2) 降到近线性。