SimHash

SimHash是一種局部敏感的散列算法，由Moses Charikar提出。例如，當兩個字符串只有細微差別時，它們的Simhash散列值同樣會非常接近，這種特徵就稱為局部敏感。^[1]因此，Simhash可用於檢查兩項內容的相似程度，如文檔去重、檢測垃圾郵件和近似重複內容^[2]、被Google 爬蟲用於查找近似重複頁面等。在2021年，谷歌宣布決定在新發布的FLoC系統中使用該算法。^[3]

參考文獻

^ Bhargava, Aditya. 算法图解. 由袁國忠翻譯. 北京: 人民郵電出版社. 2017: 178–179. ISBN 978-7-115-44763-0.
^ Otten, Neri Van. SimHash — The Ultimate Guide And How To Get Started Guide In Python. Spot Intelligence. 2023-01-02 [2024-03-30]. （原始內容存檔於2024-03-30）（美國英語）.
^ Cyphers, Bennett. Google’s FLoC Is a Terrible Idea. Electronic Frontier Foundation. 2021-03-03 [2024-03-30]. （原始內容存檔於2021-06-26）（英語）.

[1] Bhargava, Aditya. 算法图解. 由袁國忠翻譯. 北京: 人民郵電出版社. 2017: 178–179. ISBN 978-7-115-44763-0.

[2] Otten, Neri Van. SimHash — The Ultimate Guide And How To Get Started Guide In Python. Spot Intelligence. 2023-01-02 [2024-03-30]. （原始內容存檔於2024-03-30）（美國英語）.

[3] Cyphers, Bennett. Google’s FLoC Is a Terrible Idea. Electronic Frontier Foundation. 2021-03-03 [2024-03-30]. （原始內容存檔於2021-06-26）（英語）.

[1]

[2]

[3]