开发工具 125文本工具 40编码加密 40图片文件 66查询工具 46计算转换 57站长工具 57生活工具 55娱乐工具 39金融理财 45
首页/编码加密/文本指纹(SimHash)

文本指纹(SimHash)

把一段文本压成一个 64 位的指纹值。两段文本的指纹做异或、数出 1 的个数,就得到汉明距离,用来判断内容是否高度相似。这是搜索引擎文档去重的经典方法。

本地运行 · 数据不上传 编码加密 免费 · 无需注册
请输入要计算指纹的文本
指纹结果

使用说明

  1. 粘贴一段文本,点「计算指纹」。
  2. 结果给出 64 位 SimHash 值和分组显示,方便抄录比对。
  3. 要比较两段文本,分别算出指纹,再做异或数 1 的个数。
  4. 距离 0 说明内容一致,3 以内通常认为高度相似,超过 10 基本无关。

常见问题

SimHash 会漏判吗?
会。它是概率型算法,适合做「初筛」——先把明显不同的内容排除掉,再对剩下的小集合做精细比对。
为什么同样的内容顺序换一下指纹就变了?
SimHash 只看词的集合和权重,不看顺序。所以调换句子顺序指纹不变,但改字、增删词都会影响结果。
能用来做内容审核吗?
可以做近似查重,但不能当作严格的相等判断。需要精确比对请用「在线哈希计算」工具算 SHA-256。

相关工具

编码加密 · 该分类共 40 个工具,展开查看全部