tf-idf实现

Question

我正在为2个字符串进行抄袭检测，而我正在使用＆＃34; Levenshtein距离算法＆＃34;找到抄袭的百分比和＆＃34; tf idf＆＃34;找到关键字。但是现在我遇到了突出显示文本类似文本的问题，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，但它似乎有很多工作要做。任何人都可以指导我如何做到这一点，或任何其他方式。请帮我看看我的大学项目。

Answer 1

假设您有自己的方法在文本中找到相似的字词，您可以在要标记的字词周围添加 span 标记，为其提供 class 属性，并将CSS类设置为 background-color：yellow;

我假设你有一个 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>";
   }
}

并在您的HTML / CSS

中

.highlight
{
   background-color: yellow;
}

Answer 2

我使用LCS获取常见的子串（我知道它不完美）并使用@Mithgroth突出显示这些子串