SimHash Java 代码实现

package util;

import java.math.BigInteger;

import java.util.ArrayList;

import java.util.List;

import java.util.StringTokenizer;

/**

* 计算文本相似

*/

public class SimHash {

private Stringtokens;

    private BigIntegerintSimHash;

    private StringstrSimHash;

    private int hashbits =64;

    public SimHash(String tokens) {

this.tokens = tokens;

        this.intSimHash =this.simHash();

    }

public SimHash(String tokens, int hashbits) {

this.tokens = tokens;

        this.hashbits = hashbits;

        this.intSimHash =this.simHash();

    }

public BigIntegersimHash() {

int[] v =new int[this.hashbits];

        StringTokenizer stringTokens =new StringTokenizer(this.tokens);

        while (stringTokens.hasMoreTokens()) {

String temp = stringTokens.nextToken();

            BigInteger t =this.hash(temp);

            for (int i =0; i

BigInteger bitmask =new BigInteger("1").shiftLeft(i);

                if (t.and(bitmask).signum() !=0) {

v[i] +=1;

                }else {

v[i] -=1;

                }

}

}

BigInteger fingerprint =new BigInteger("0");

        StringBuffer simHashBuffer =new StringBuffer();

        for (int i =0; i

if (v[i] >=0) {

fingerprint = fingerprint.add(new BigInteger("1").shiftLeft(i));

                simHashBuffer.append("1");

            }else{

simHashBuffer.append("0");

            }

}

this.strSimHash = simHashBuffer.toString();

        System.out.println(this.strSimHash +" length " +this.strSimHash.length());

        return fingerprint;

    }

private BigIntegerhash(String source) {

if (source ==null || source.length() ==0) {

return new BigInteger("0");

        }else {

char[] sourceArray = source.toCharArray();

            BigInteger x = BigInteger.valueOf(((long) sourceArray[0]) <<7);

            BigInteger m =new BigInteger("1000003");

            BigInteger mask =new BigInteger("2").pow(this.hashbits).subtract(

new BigInteger("1"));

            for (char item : sourceArray) {

BigInteger temp = BigInteger.valueOf((long) item);

                x = x.multiply(m).xor(temp).and(mask);

            }

x = x.xor(new BigInteger(String.valueOf(source.length())));

            if (x.equals(new BigInteger("-1"))) {

x =new BigInteger("-2");

            }

return x;

        }

}

public int hammingDistance(SimHash other) {

BigInteger x =this.intSimHash.xor(other.intSimHash);

        int tot =0;

        //统计x中二进制位数为1的个数

        //我们想想,一个二进制数减去1,那么,从最后那个1(包括那个1)后面的数字全都反了,对吧,然后,n&(n-1)就相当于把后面的数字清0,

        //我们看n能做多少次这样的操作就OK了。

        while (x.signum() !=0) {

tot +=1;

            x = x.and(x.subtract(new BigInteger("1")));

        }

return tot;

    }

public int getDistance(String str1, String str2) {

int distance;

        if (str1.length() != str2.length()) {

distance = -1;

        }else {

distance =0;

            for (int i =0; i < str1.length(); i++) {

if (str1.charAt(i) != str2.charAt(i)) {

distance++;

                }

}

}

return distance;

    }

public ListsubByDistance(SimHash simHash, int distance){

int numEach =this.hashbits/(distance+1);

        List characters =new ArrayList();

        StringBuffer buffer =new StringBuffer();

        int k =0;

        for(int i =0; i

boolean sr = simHash.intSimHash.testBit(i);

            if(sr){

buffer.append("1");

            }

else{

buffer.append("0");

            }

if( (i+1)%numEach ==0 ){

BigInteger eachValue =new BigInteger(buffer.toString(),2);

                //System.out.println("----" +eachValue );

                buffer.delete(0, buffer.length());

                characters.add(eachValue);

            }

}

return characters;

    }

public static void main(String[] args) {

String s ="普京高度评价习主席在俄中关系发展中发挥的重要作用,强调不久前习主席对俄进行国事访问取得圆满成功,相信俄中关系将继续保持良好发展势头。";

        SimHash hash1 =new SimHash(s, 64);

        System.out.println(hash1.intSimHash +"  " + hash1.intSimHash.bitLength());

        hash1.subByDistance(hash1, 3);

        System.out.println("\n");

        s ="普京高度评价习主席在俄中关系发展中发挥的重要作用,强调不久前习主席对俄进行国事访问取得圆满成功";

        SimHash hash2 =new SimHash(s, 64);

        System.out.println(hash2.intSimHash+"  " + hash2.intSimHash.bitCount());

        hash1.subByDistance(hash2, 3);

        s ="普京高度评价习主席在俄中关系发展中发挥的重要作用,强调不久前习主席对俄进行国事访问取得圆满成功,相信俄中关系将继续保持良好发展势头。";

        SimHash hash3 =new SimHash(s, 64);

        System.out.println(hash3.intSimHash+"  " + hash3.intSimHash.bitCount());

        hash1.subByDistance(hash3, 3);

        System.out.println("============================");

        int dis = hash1.getDistance(hash1.strSimHash,hash2.strSimHash);

        System.out.println(hash1.hammingDistance(hash2) +" "+ dis);

        int dis2 = hash1.getDistance(hash1.strSimHash,hash3.strSimHash);

        System.out.println(hash1.hammingDistance(hash3) +" " + dis2);

    }

}

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,384评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,845评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,148评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,640评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,731评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,712评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,703评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,473评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,915评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,227评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,384评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,063评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,706评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,302评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,531评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,321评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,248评论 2 352

推荐阅读更多精彩内容

  • Java经典问题算法大全 /*【程序1】 题目:古典问题:有一对兔子,从出生后第3个月起每个月都生一对兔子,小兔子...
    赵宇_阿特奇阅读 1,858评论 0 2
  • 50道经典Java编程练习题,将数学思维运用到编程中来。抱歉哈找不到文章的原贴了,有冒犯的麻烦知会声哈~ 1.指数...
    OSET我要编程阅读 6,960评论 0 9
  • DAY 05 1、 public classArrayDemo { public static void mai...
    周书达阅读 657评论 0 0
  • 50道JAVA基础编程练习题 【程序1】 题目:古典问题:有一对兔子,从出生后第3个月起每个月都生一对兔子,小兔子...
    微尘_8957阅读 2,195评论 0 2
  • 【程序1】 题目:古典问题:有一对兔子,从出生后第3个月起每个月都生一对兔子,小兔子长到第三个月后每个月又生一对兔...
    开心的锣鼓阅读 3,314评论 0 9