原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第22卷第4期 电 脑 与 信 息 技 术
兰!!!±!旦 垡Q坐唑竺皇型!垡!竺兰墅旦塑竺!旦竺!呈墅 垒!!：!!!!
文章编号：1005—1228(2014)04—0011-04
自然语言文本复制检测算法
杨 达
(中国电信晋中分公司，山西省晋中市030600)
摘要：复制检测就是检测文档之间是否存在雷同现象，并将检测结果报告给用户。文章算法将复制检测技术指纹比对法
和词频统计法结合起来，首先对文本进行预处理如滤除介词、冠词等，采用指纹比对法判断自然段落之间的相似性；然后
将一个自然段视为一个小的整体来构成整个文档，采用基于词频的加权统计法判断全文的相似性。
关键词：复制检测；文本指纹；词频
中图分类号：TP311文献标识码：A
Natural Text Detection
LanguageCopy Algorithm
YANGDa
Telecom
(China Ltd．JinzhongBranch，Jinzhong030600，China)
Corporation
new a
detection detects and resultstousers．The
copies reports approachpresents
Abstract：Copyactually illegal
basedon anda statisticbasedonthewordoccurrence needtOdosome
comparison fingerprint frequencies．Firstly，we
thedetectionof the
suchas off andSOon．Between paragraphs，weemploy
preprocessingthrowingpreposition，article
asasmallunitandeach is a value
basedon wevieweach givenweight
comparisonfingerprint，then paragraph paragraph
thewholedocument’s
tO the ofstatisticbasedonthewordoccurrence tOdetect similarity．
adoptway frequencies
Key detection；text frequency
words：copy fingerprint；word
随着互联网技术、通信技术等的快速发展，很多产 果两篇文本拥有的相同句子超过一定数目，则认为两
品都被数字化，并发布在INTERNET上进行信息共享
和传播，这使得数字产品的复制变得简单易行，论文抄 的向量空间模型，提出了相关频率
文档评论（0）