请问各位大佬，如何准确汇总相似文章

Question

在摸索学习数据分析处理。
其中在相似文章汇总处卡住，找不到较好的相关教程、文档、思绪。

目前我使用的是simhash，分4分比照，但是效果不佳。

海明距离小于等于3的基本是原文一字不改的文章。
我发现海明距离9以内的也非常相似。

按照simhash64位分4份，按照1份相同就判断为海明距离3以内。
如果想分为8分，又要怎么计算呢。

我希望实现9以内的能够汇总在一起。

另外请问如何通过标题做相似汇总？

请各位大佬给点思绪或者教程。

不胜感激！以身相许！