主要观点：三年前在 Hacker News 上看到用余弦相似度检测相似 HN 账号的帖子，后因原页面消失且作者未详细说明数据处理等情况，作者决定用 Redis 的向量集重现该工作，介绍了数据下载处理过程（将 Parquet 文件转换为 txt 和 JSONL 文件）、Burrow 方法的工作原理（将词频转换为相对频率、标准化为 z 分数后插入 Redis 向量集）、为何使用 350 个词及调整过程、验证和可视化方法（通过不同变体用户测试及终端显示向量），还提到 insert.py 脚本可插入用户 JSON 元数据用于检测重复账号，最后感谢阅读长文。
关键信息：

• 原始帖子链接：https://news.ycombinator.com/item?id=33755016
• 数据下载地址：https://huggingface.co/datasets/OpenPipe/hacker-news
• 演示网站：https://antirez.com/hnstyle?username=pg&threshold=20&action=search
• GitHub 代码仓库：https://github.com/antirez/hnstyle
  重要细节：
• 处理文件时先生成 top N 词列表，再为每个用户生成包含所有词频的 JSONL 文件，最后用 insert.py 处理插入 Redis。
• Burrow 方法通过标准化词频的 z 分数来捕捉用户用词习惯与平均语言的差异。
• 调整 top-k 词数量以得到相似结果，发现 150 到 500 个词较优，过多词会导致结果不准确。
• 可通过 VEMB 命令获取相似用户，用 vshow 工具可视化向量，还可按词数过滤匹配结果等。