我试图检测类似的文字，以阻止垃圾邮件发送者发布带有少量更改的相同垃圾邮件。
为此，我想使用哈希而不是保存数据存储区中的所有句子。节省空间并快速查找。
我正在整理整个文本，没有标点符号或奇怪的字符，并且比较哈希来查找重复的垃圾邮件。
但是，一旦垃圾邮件发送者添加了随机值，系统就会失败。
有没有人有办法改进这个系统？我尝试了感知散列，但这似乎只对大块文本有效。
答案 0 :(得分：0)
好吧，散列基本上是，你不会发现类似的＆＃39;使用散列算法的文本片段，因为它们旨在完全针对两个不同的测试用例进行更改，即使差异是逗号。雪崩效应：https://en.wikipedia.org/wiki/Avalanche_effect
很好的想法删除标点符号/奇怪的字符。如果您可以找到垃圾邮件发送者添加值的位置（例如，在第1行），则可以从开头到结尾2剪切文本和哈希（只是一个想法）。 您还可以散列文本的关键字（标题，产品......）