我有以下情况:
字符串a ="网络爬虫是一种自动浏览万维网互联网的计算机程序"; 字符串b ="Web Crawler计算机程序浏览万维网";
是否有任何想法或标准算法来计算相似性的百分比？
例如,在上述情况下,通过手动查看估计的相似度应为90%++.
我的想法是对两个字符串进行标记,并比较匹配的标记数量.类似的东西(7个令牌/ 1个令牌)*100.但是,当然,这种方法根本没有效果.比较匹配的字符数也似乎无效....
任何人都可以给一些指导???
以上是我的项目Plagiarism Analyzer的一部分.
因此,匹配的单词将完全相同而没有任何同义词.
在这种情况下唯一的问题是如何计算相当准确的相似性百分比.
非常感谢任何帮助.
康拉德指出,你的问题很大程度上取决于你所说的"相似".一般来说,我会说以下准则应该是有用的:
你可以改进技术,包括单词形式,句子单词顺序,synonim列表等之间的差异.虽然你永远不会得到完美的结果,你有很多调整的可能性,我相信一般来说你可能会得到非常有价值的相似性度量.
| 归档时间： |
|
| 查看次数： |
3993 次 |
| 最近记录： |