tf-idf 实现答案

【问题标题】：tf-idf implementationtf-idf 实现
【发布时间】：2017-03-04 19:48:03
【问题描述】：

我正在为 2 个字符串进行抄袭检测，为此我使用“Levenshtein 距离算法”来查找抄袭百分比，并使用“tf idf”来查找关键字。但是现在我在突出显示类似文本的文本时遇到了问题，我正在考虑使用关键字作为种子来形成集群并突出显示该集群，但这似乎需要做很多工作。任何人都可以指导我如何做到这一点，或任何其他方式。请帮我完成我的大学项目。

【问题讨论】：

这甚至不接近余弦相似度和 tf-idf。一次一个问题。
我知道那不是余弦相似度和 tf-idf，我目前正在使用它来查找百分比并正在研究余弦相似度来替换它。

标签： text-mining tf-idf

【解决方案1】：

假设你有自己的方式在文本中找到相似的词，你可以在要标记的词周围添加一个span标签，赋予它们class属性，并将该 CSS 类设置为 background-color:yellow;

我假设您有一个 foreach 评估来检查文本中的每个单词。

foreach (word in words)
{
   if (*word is similar*)
   {
      word = "<span class='highlight'>" + word + "</span>";
   }
}

在您的 HTML / CSS 中

.highlight
{
   background-color: yellow;
}

【讨论】：

感谢您的帮助，它帮助我解决了突出显示文本的问题。

【解决方案2】：

我使用 LCS 来获取公共子字符串（我知道它并不完美）并使用 @Mithgroth 突出显示这些子字符串

【讨论】：