是否存在可以容忍微小差异的哈希算法？

| 我正在做一些Web爬网类型的工作，我在其中寻找网页中的某些术语并找到它们在页面上的位置，然后将其缓存以备后用。我希望能够定期检查该页面是否有重大更改。只需将当前日期和时间放在页面上，就可以挫败md5之类的东西。 是否有适用于这种情况的哈希算法？     
2020-03-09 5 条评论
分享

没有找到相关结果

    已邀请:

    授巨

    进行文档相似性的一种常见方法是混叠，这比散列要复杂得多。还要查看内容定义的分块，以找到一种拆分文档的方法。 几年前，我读了一篇关于使用Bloom过滤器进行相似性检测的论文。使用Bloom筛选器优化Web搜索结果。这是一个有趣的主意，但是我从没有尝试过。     
    2020-03-09 0 0
    分享

    吠强祷豪硅

    这可能是使用Levenshtein距离度量标准的好地方，该度量标准量化了将一个序列转换为另一个序列所需的编辑量。 这种方法的缺点是您需要保留每个页面的全文，以便以后进行比较。另一方面，使用基于散列的方法，您只需存储某种小的计算值，而无需使用以前的全文进行比较。 您还可以尝试某种混合方法-让哈希算法告诉您已进行了任何更改，并将其用作触发来检索文档的归档副本，以进行更严格的（Levenshtein）比较。     
    2020-03-09 0 0
    分享

    邦绊门蔽惩

    http://www.phash.org/对图像做了类似的处理。技巧：拍摄图像，将其模糊，将其转换为灰度，执行离散余弦变换，然后仅查看结果的左上象限（重要信息在此）。然后为每个小于平均值的值记录0，为每个大于平均值的值记录1。小变化的结果是相当不错的。 最小散列是另一种可能性。在文本中查找要素并将其记录为值。连接所有这些值以构成一个哈希字符串。 对于以上两种情况，请使用有利点树，以便您可以搜索附近的热门歌曲。     
    2020-03-09 0 0
    分享

    导力疵谜

    我很遗憾地说，但是哈希算法正是这样。没有人能够容忍微小的差异。您应该采取另一种方法。     
    2020-03-09 0 0
    分享
    为什么被折叠? 0 个回复被折叠

    要回复问题请先登录或注册

    或代码 OrCode.com 备案号：粤ICP备15020848号-1
    Escape time: 0.038326978683472