文档相似度计算软件 如何计算两个文档的相似度

winmerge用这个软件

操作步骤为：

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：外部命令

3．格式：FC[盘符：][路径名]〈文件名〉[盘符：][路径名][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；

（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。

如何计算两个文档的相似度

如何计算两个文档的相似度

winmerge用这个软件

操作步骤为：

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：外部命令

3．格式：FC[盘符：][路径名]〈文件名〉[盘符：][路径名][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；

（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。

如何计算两个文档的相似度

搜索下载 beyond compare ，可以比较一些文本类文档的差异，尤其对于写程序代码，查看前后文件的改动，很方便。

如何计算两个文档的相似度

有一个网上工具，叫textsimilarity (后面加.net), 可以用百分比显示两个文本的相似度，你试试吧

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 的相似度分值：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

如何计算两份代码的相似度？

问题里既然说是代码了，那就可以看到源码了？(我默认)最简单的就是diff一下啦，对策可以改改代码风格，排版，变量命名，甚至插曲一些无用代码等等。这些只是看起来不同了。另外几位大神的答案，似乎忽略了程序运行时的状况呢，如果程序本身逻辑没变，只是文本和语法上做些处理(忽略lisp之类的奇葩)，程序运行起来之后，比较调用堆栈的变化，这种方法很容易识破。你说运行起来比较难的话，那就忽略了测试人员的作用了，把程序/代码段/模块 当成黑盒，通过mock等方式，还是可以一部分一部分搞的。那改变调用层次，函数套函数？甚至某些地方变成宏？模块重构？诸如此类。这就不好识别了。模块都给重构了的话，姑且不算抄了，但是设计上一样的，人工code review，去了解它的设计，还是能识破。首先可以diff一下，然后看运行状态，如果是差别很大的，看设计，做code review，看文档，如果自己的代码特别多，而人家的代码又拿不到，可以在自己的代码里加些【水印】，比如搞些magic number，运行时去调试，就找这个magic number，有的话，基本就是盗的。计算的话，我觉得评级比较靠谱，列规则，挨个检测，根据规则中枪程度评级，完全量化的方法应该很难做到，但是规则+评级 可以糙快猛的构造出一个比较相似度的系统，工程思维哈，不断根据实践，去调整这个系统，让它更接近准确就可以啦～我说的都是土方法，期待学术大神给个系统答案。

转载请注明出处51数据库 » 文档相似度计算软件 如何计算两个文档的相似度