在文本相似性检测中，如何确定相似的阈值？

Question

在文本相似性检测中，如何确定相似的阈值？
在对文档进行simhash之后， 对汉明距离小于4的文档进行相似度计算，这里的阈值怎么确定呢？

Answer 1

根据经验设定，设置大了，容忍度提高，造成误判，设置小了，造成漏判，所以你应该反复尝试，看结果是否是最优的。