韩小韩

收录自 vvhan.com · 这家的全部文章 · 这家的收录页

NodeJs文本相似度去重脚本

作者在爬取舔狗日记数据时发现简单文本去重无法处理标点符号或词语差异的句子，因此开发了基于编辑距离的文本相似度去重脚本，用于保留相似度较高的文本。

博客雷达不转载正文。这里只有标题、作者、时间和一小段 AI 生成的摘要；全文在作者自己的站点上，阅读请点上面的按钮过去——文章的版权一直在原作者手里。

你也在写博客？做一张「已被博客雷达收录」的徽章挂回自己的站，想挂就挂，也不占首页。