simhash分块问题，为什么这么芬

Question

   爬虫课上simhash比较通过增加存储空间减少比较次数，其中您讲到分成5块：A,B,C,D,E,分别存储16,12,12,12,12位。

   我的问题是为什么不分4块存储：28,12,12,12呢？

Answer 1

这个问题是这样的，如果你有一块是28个bit位，你可以试试看，会出现一种情况，比如 x 和 y 两个数，它们分别在 24 44 64 3个bit位不同，那么x分为这样的4块（也就是 28 12 12 12 | 12 28 12 12 | ... ）后，发现4个特征块也就是 28bit的那一个块，都会有不同的数，因此根据特征块来找，会根本就找不到 根据我们的情况，64个bit位有3个不同，要保证分组的间隔是小于21的，否则就会出现，几个特征块总能包含不同的bit

Answer 2

看了这个更疑惑了，如果分成ABCD，28，12，12，12的四块，那么根据抽屉原理，还是能找到一块是完全相同的，然后再比较剩余的位。没有明白为什么会找不到。看了这个更疑惑了，如果分成ABCD，28，12，12，12的四块，那么根据抽屉原理，还是能找到一块是完全相同的，然后再比较剩余的位。没有明白为什么会找不到。