标签： duplicates nlp duplicate-removal
我想在抓取的网络新闻文章上执行近似重复的识别。 （我想找到相同新闻上的文章并删除它们）我尝试了几种通用方法，如simhash，带状疱疹和基于聚类的方法。但他们没有产生合理的准确度。任何人都可以建议一种方法吗？