我正在开发一个抄袭检测框架。我们首先通过词干，同义词替换和停止词删除的方式对文档进行预处理。因此，预处理文档与原始文档略有不同。
在我们将预处理文档输入到我们的抄袭函数后，它返回相似的句子。
然后在我们的GUI中，我们必须通过突出显示两个文档和相似的句子。
要在java中突出显示，我们必须得到单词的索引并突出显示。
问题是预处理文本与原始文档不同，因此很难索引原始文档中的相似句子。
任何人都可以帮我解决这个问题吗？
答案 0 :(得分：2)
您必须使用预处理文档存储某种元数据，以便将其内容映射到原始文档。比如保留一个列表，列出因停用单词删除而导致的所有空白，或者存储有关用同义词替换单词的位置的信息。
如果您记录在预处理期间所做的每个更改（位置/替换文本），那么您应该能够在原始文档中找到原始短语。