如何计算多个文本的相似度java程序，利用向量

String text1 = "我爱学习"

String text2 = "我竖祥庆爱读书"

String text3 = "他是黑客"

TextSimilarity textSimilarity = new CosineTextSimilarity()

double score1pk1 = textSimilarity.similarScore(text1, text1)

double score1pk2 = textSimilarity.similarScore(text1, text2)

double score1pk3 = textSimilarity.similarScore(text1, text3)

double score2pk2 = textSimilarity.similarScore(text2, text2)

double score2pk3 = textSimilarity.similarScore(text2, text3)

double score3pk3 = textSimilarity.similarScore(text3, text3)

System.out.println(text1+" 和 "+text1+" 的相似度分值："+score1pk1)

System.out.println(text1+" 和 "+text2+" 的相似度分值："+score1pk2)

System.out.println(text1+" 和 "+text3+" 的相似度分值："+score1pk3)

System.out.println(text2+" 和 "+text2+" 的相似度分值："+score2pk2)

System.out.println(text2+" 和 "+text3+" 的相似度分值："+score2pk3)

System.out.println(text3+" 和 "+text3+" 的相似度分值："+score3pk3)

运行结果如下：

我爱学习 和 我爱学习 的相似度分值：1.0

我爱学习 和 我爱读书 的相似度分值：0.4

我爱学习 和 他是黑客 的相似度分值：0.0

我爱读书 和 我爱读书 的相似度分值：1.0

我爱读书 和 他是黑客 的相似度分值：0.0

他是黑客 和 他是黑客 的相似度余握分值宴芹：1.0

方式二：简单共有词，通过计算两篇文档有多少个相同的词来评估他们的相似度

实现类：org.apdplat.word.analysis.SimpleTextSimilarity

用法如下：

String text1 = "我爱学习"

String text2 = "我爱读书"

String text3 = "他是黑客"

TextSimilarity textSimilarity = new SimpleTextSimilarity()

double score1pk1 = textSimilarity.similarScore(text1, text1)

double score1pk2 = textSimilarity.similarScore(text1, text2)

double score1pk3 = textSimilarity.similarScore(text1, text3)

double score2pk2 = textSimilarity.similarScore(text2, text2)

double score2pk3 = textSimilarity.similarScore(text2, text3)

double score3pk3 = textSimilarity.similarScore(text3, text3)

System.out.println(text1+" 和 "+text1+" 的相似度分值："+score1pk1)

System.out.println(text1+" 和 "+text2+" 的相似度分值："+score1pk2)

System.out.println(text1+" 和 "+text3+" 的相似度分值："+score1pk3)

System.out.println(text2+" 和 "+text2+" 的相似度分值："+score2pk2)

System.out.println(text2+" 和 "+text3+" 的相似度分值："+score2pk3)

System.out.println(text3+" 和 "+text3+" 的相似度分值："+score3pk3)

运行结果如下：

我爱学习 和 我爱学习 的相似度分值：1.0

我爱学习 和 我爱读书 的相似度分值：0.5

我爱学习 和 他是黑客 的相似度分值：0.0

我爱读书 和 我爱读书 的相似度分值：1.0

我爱读书 和 他是黑客 的相似度分值：0.0

他是黑客 和 他是黑客 的相似度分值：1.0

大该写了一下思虑，你看看把。

大致还算可以了。如果我把它写得再好，那就可以拿出去买钱了。

假如你编译后生成a.out 这个可执行文件。

运行时候： a.out 1.c 2.c

如果显示结果不超过20%, 那么可以认为两者不是抄袭的，如果结果显示大于50%，那么两者相似的程度就很伏滚大了，可以认为是抄袭的。

#include<stdio.h>

#include<fcntl.h>渣祥

#include<stdlib.h>

int main(int argc,char* argv[]){

int i,j

int fd1 ,fd2

int file1_len ,file2_len,sumbase1,sumbase2,sumbase = 0

int yes = 0

char filec

char file1_buf[9000] = {0}

char file2_buf[9000] = {0}

if( (fd1 = open(argv[1],O_RDONLY)) <0 ){

printf("file %s open error!\n",argv[1])

exit(-1)

}

if( (fd2 = open(argv[2],O_RDONLY)) <0 ){

printf("file %s open error!\n",argv[2])

exit(-1)

}

file1_len = lseek(fd1,0,SEEK_END)

lseek(fd1,0,SEEK_SET)

file2_len = lseek(fd2,0,SEEK_END)

lseek(fd2,0,SEEK_SET)

if( read(fd1,file1_buf,file1_len) <0 ){

printf("read error!\n")

exit(-1)

}

if( read(fd2,file2_buf,file2_len) <0 ){

printf("read error!\n")

exit(-1)

}

//去掉符缺梁余号

for( i = 0,j = 0 i <file1_len i++){

if( file1_buf[i] >= '0' &&file1_buf[i] <= '9' || file1_buf[i] >= 'A' &&file1_buf[i] <= 'z')

file1_buf[j++] = file1_buf[i]

}

sumbase1 = j

for( i = 0,j = 0 i <file2_len i++){

if( file2_buf[i] >= '0' &&file2_buf[i] <= '9' || file2_buf[i] >= 'A' &&file2_buf[i] <= 'z')

file2_buf[j++] = file2_buf[i]

}

sumbase2 = j

sumbase = sumbase1 <= sumbase2 ? sumbase1 : sumbase2

for( i = 0 ,j = 0i <sumbase i++,j++){

if( file1_buf[i] == file2_buf[j] ){

yes++

}else if(file1_buf[i] == file2_buf[j+3] &&file1_buf[i+1] == file2_buf[j+4]){

j +=3

}else if(file1_buf[i] == file2_buf[j+4] &&file1_buf[i+1] == file2_buf[j+5]){

j +=4

}else if(file1_buf[i] == file2_buf[j+5] &&file1_buf[i+1] == file2_buf[j+6]){

j +=5

}else if(file1_buf[i] == file2_buf[j+6] &&file1_buf[i+1] == file2_buf[j+7]){

j += 6

}else if(file1_buf[i] == file2_buf[j+8] &&file1_buf[i+1] == file2_buf[j+9]){

j += 8

}else if(file1_buf[i] == file2_buf[j+10] &&file1_buf[i+1] == file2_buf[j+11]){

j += 10

}else if(file1_buf[i] == file2_buf[j+11] &&file1_buf[i+1] == file2_buf[j+12]){

j +=11

}else if(file1_buf[i] == file2_buf[j+12] &&file1_buf[i+1] == file2_buf[j+13]){

j +=12

}else if(file1_buf[i] == file2_buf[j+20] &&file1_buf[i+1] == file2_buf[j+21]){

j +=20

}else if(file1_buf[i] == file2_buf[i+21] &&file1_buf[i+1] == file2_buf[i+22]){

j +=21

}else if(file1_buf[i] == file2_buf[j+25] &&file1_buf[i+1] == file2_buf[j+26]){

j +=25

}else if(file1_buf[i] == file2_buf[i+26] &&file1_buf[i+1] == file2_buf[i+27]){

j +=26

}

}

printf("相似的比例大约是：%0.3f%% \n",((yes * 1.0 / sumbase)*100))

return 0

}

如何计算两个文档的相似度winmerge用这个软件 *** 作步骤为：FC——文件比较命令1．功能：比较文件的异同，并列出差异处。2．类型：外部侍好命令3．格式：FC[盘符：][路径名]〈文件名〉[盘符：][路腔谈肆径名][文件名][/A][/B][/C][/N]4．使用说明：（1）选用/A参数，为ASCII码比较模式；（伍轿2）选用/B参数，为二进制比较模式；（3）选用/C参数，将大小写字符看成是相同的字符。（4）选用/N参数，在ASCII码比较方式下，显示相异处的行号。

---