网页查重算法Shingling和Simhash研究

• 作者: 毛许光 马成前
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 网页查重 搜索引擎 shingling simhash
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 算法与分析
• 页码范围: 15-17,108
• 页数: 4页
• 分类号: TP301.6
• 字数: 3514字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2009.01.004

摘要

随着网络信息爆炸式增长,人们对信息检索有了更高的要求.在海量的网页中,有很多重复的网页.网页查重可以节省网络带宽,降低存储成本,提高搜索引擎的性能.在网页查重算法中shingling和simhash是比较重要和经典的算法,文中对两种算法做了介绍,包括算法的原理,存在的问题及改进等.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马成前	武汉理工大学计算机科学与技术学院	18	83	4.0	9.0
2	毛许光	武汉理工大学计算机科学与技术学院	1	42	1.0	1.0