新闻数据量大,数据实时在网上抓取,有时候一天几万条数据入库！这种大数据量的情况下如何实现计算每篇文章跟剩余文章的相似度？就是怎么去做的一篇文章跟他相似度很的文章？求大神指教下！
https://blog.csdn.net/caiandyong/article/details/44245647
simhash对短文本效率还可以，长文本的话就不行了
simhash算法了解一下