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);

    }

}

你可能感兴趣的:(SimHash Java 代码实现)