[00019548]一种改进的SimHash代码相似度检测方法
技术详细介绍
一种改进的SimHash代码相似度检测方法，包括以下步骤1)分词；2)hash；3)加权；4)合并将各个特征向量经过hash加权之后的结果累加，变成只有一个序列串；5)减值通过整理分析，选择一个阈值T，将最后合并得到的结果序列串每一项减去设定的阈值T，得到最终的结果序列串；6)降维对于n‑bit签名的累加结果进行降维处理，即对于最终序列串上的每一位，若大于0则置1，否则置0，从而得到该语句的simhash值，最后根据不同语句的simhash值的海明距离来判断它们的相似度。本发明提供了一种准确性较高的改进的SimHash代码相似度检测方法。
