This topic created in 1476 days ago, the information mentioned may be changed or developed.
收藏夹里收藏的技术博客和政经类文章已经超过 500 篇了，而且时间跨度极长，比如会出现有一篇文章七八年前看过感觉还不错，下载收藏了，但是今年又看到，又感觉不错，忘记已经有了于是又存了一份的问题。
有什么算法能在新文章入库前进行查重检查吗。还要考虑排版，截取等等因素，因为文章经常因为不同网站转载，转出来的东西细微上有一些区别
Supplement 1 Apr 23, 2022
由于文章整体数量不多，最差的情况下有对比一篇文章与另一篇重复度的算法也可以，然后用一个 n2 的复杂度去挨个算。。
Select Language