相似度算法是文本基本计算的基础。相似度计算用于帮助开发者发现数据关联性，也是一种基础性计算模型。其核心点在于两个方面：一方面是数据的特征表示，例如如何表示为一个有价值的向量；另一方面是集合之间关系的表示方法。

4.1 应用实例：海量网页相似度分析

判断网页的重复或相似是基于网页标题和网页综合进行分析的，为网页进行相似性分析的目的如下：

（1）防止重复（或被复制、转载）的网页被搜索到。

（2）网页价值分析，越是被转载或复制的网页，其重要性越高。