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SimhashBlog 特性 使用 CppJieba 作为分词器和关键词抽取器 使用 jenkins 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。 依赖 g (version >= 4.1 recommended), or clang

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