SimHash + 汉明距离

README.md

@@ -590,7 +590,7 @@ word分词提供了多种文本相似度计算方式：
 	String text1 = "我爱购物";
 	String text2 = "我爱读书";
 	String text3 = "他是黑客";
-	Similarity textSimilarity = new EditDistanceTextSimilarity();
+	TextSimilarity textSimilarity = new EditDistanceTextSimilarity();
 	double score1pk1 = textSimilarity.similarScore(text1, text1);
 	double score1pk2 = textSimilarity.similarScore(text1, text2);
 	double score1pk3 = textSimilarity.similarScore(text1, text3);
@@ -613,6 +613,38 @@ word分词提供了多种文本相似度计算方式：
 	我爱读书 和 他是黑客 的相似度分值：0.0
 	他是黑客 和 他是黑客 的相似度分值：1.0
 
+方式四：SimHash + 汉明距离，先使用SimHash把不同长度的文本映射为等长文本，然后再计算等长文本的汉明距离
+
+实现类：org.apdplat.word.analysis.SimHashPlusHammingDistanceTextSimilarity
+
+用法如下：
+
+	String text1 = "我爱购物";
+	String text2 = "我爱读书";
+	String text3 = "他是黑客";
+	TextSimilarity textSimilarity = new SimHashPlusHammingDistanceTextSimilarity();
+	double score1pk1 = textSimilarity.similarScore(text1, text1);
+	double score1pk2 = textSimilarity.similarScore(text1, text2);
+	double score1pk3 = textSimilarity.similarScore(text1, text3);
+	double score2pk2 = textSimilarity.similarScore(text2, text2);
+	double score2pk3 = textSimilarity.similarScore(text2, text3);
+	double score3pk3 = textSimilarity.similarScore(text3, text3);
+	System.out.println(text1+" 和 "+text1+" 的相似度分值："+score1pk1);
+	System.out.println(text1+" 和 "+text2+" 的相似度分值："+score1pk2);
+	System.out.println(text1+" 和 "+text3+" 的相似度分值："+score1pk3);
+	System.out.println(text2+" 和 "+text2+" 的相似度分值："+score2pk2);
+	System.out.println(text2+" 和 "+text3+" 的相似度分值："+score2pk3);
+	System.out.println(text3+" 和 "+text3+" 的相似度分值："+score3pk3);
+
+运行结果如下：
+
+	我爱购物 和 我爱购物 的相似度分值：1.0
+	我爱购物 和 我爱读书 的相似度分值：0.86
+	我爱购物 和 他是黑客 的相似度分值：0.48
+	我爱读书 和 我爱读书 的相似度分值：1.0
+	我爱读书 和 他是黑客 的相似度分值：0.57
+	他是黑客 和 他是黑客 的相似度分值：1.0
+
 ###分词算法效果评估：
 
 	1、word分词 最大Ngram分值算法：