我有个搜索引擎的想法，它可以像其他搜索引擎一样索引Web项目，但是只存储文件的标题，URL和内容的哈希。

这样，如果我们已经在网上找到了物品，却不知道它们来自何处，或者想知道所有物品出现的位置，那么将很容易在网上找到它们。

对于非文本项(例如图像，可执行文件和归档文件)更有用。

我想知道是否已经有类似的东西？

解决方案

回答

好吧，对于图像，有[http://tineye.com/][1]，它可以将其合并，并为我们找到相似的图像。

[1]：http：//tineye.com/锡眼

回答

这不是一个坏主意。有时我发现自己偶然发现了一些文件，试图弄清它是从哪里来的:)但是，我们将如何跟踪项目的来源？内容可以通过Web浏览器，下载管理器等各种方式获得，只需从网络共享中进行复制即可。

回答

查看有关位置敏感哈希的Wikipedia页面。麻省理工学院的研究也提供了一个很好的网页。

通常，有几种可用的方式：字符串的散列(例如simhash)，集合或者0/1特征(例如最小散列)以及实向量。

到目前为止，数字散列的主要技巧基本上是减少尺寸。对于字符串，其想法是提出一种在进行次要编辑的情况下具有鲁棒性的表示形式。

尽管我猜想stackoverflow可能不是从事新生工作的正确地方，但我也在这一领域进行了一些研究。

回答

如果我正确理解建议，http：//bitzi.com/已经做了一段时间。