【文件属性】：
文件名称：怎么判断文章相似性
文件大小：18KB
文件格式：DOCX
更新时间：2021-06-18 03:58:49
相似性
• 签名，例如md5经常用于判断文章相同，其效率比全文比对效率高
• 局部敏感哈希，例如minhash经常用于判断文章相似
• minhash的原理是，使用子集代表全集合，以子集的相似性模拟全集合的相似性
• 把文章转化为集合的常见方法是分词
• 分句，故意留错别字能够提高检测效率