问题描述
我有以下问题:如何找到 30 篇 500 字左右的论文之间的相似度?
为了解决这个问题,我做了一个小app来对比这类论文(最多500字)。 我使用 Ruby 和 amatch [1] 来实现这一点。在 amatch 中,我使用 damerau_levenshtein_similar 方法。
我目前的流程是这样的:
- 将第一张纸放入 all_papers 文件夹。
- 将下一张纸与 for_comparison_folder 进行比较。
- 将 for_comparison_folder 中的论文与 all_papers 文件夹中的每篇论文进行比较。
- 制作比较报告并将其写入日志文件并打印在屏幕上。
- 将纸张从 for_comparison_folder 移动到 all_papers 文件夹。
当前进程将整篇论文当作一个字符串进行比较。在阅读了一些关于 SO 和其他来源的不同算法的目的之后,我正在使用 damerau levenshtein。但是,我找不到任何关于字符串长度和相似度得分质量关系的参考。
上述应用程序有效,但鉴于我的实施,我不确定分数是否可靠。
因此我的问题是:
- 我是否应该针对字符串长度选择不同的算法?
- 我是否应该更改比较以逐句比较并报告。换句话说,将每个句子与其他论文中的所有句子进行比较?
[1] https://github.com/flori/amatch
谢谢你,塞巴斯蒂安
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)