问题描述
对于我的班级，我需要做一个程序来估计两个非常大的文档的Jaccard相似度。该项目的约束条件是将程序视为与包含1000亿个整数的文档进行交互。结果，我不允许实现任何在内存中存储超过1000条数据的数据结构。
对于该作业，我已经生成了两个包含1000000个随机整数的.txt文件。我应该如何整理这些文件，以免超出限制？
（对于我肯定有的误解，我深表歉意，我的教授没有解释MinHashing，我一直在尝试从youtube视频中教自己。）
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）