爆款云主机2核4G限时秒杀,88元/年起!
查看详情

活动

天翼云最新优惠活动,涵盖免费试用,产品折扣等,助您降本增效!
热门活动
  • 618智算钜惠季 爆款云主机2核4G限时秒杀,88元/年起!
  • 免费体验DeepSeek,上天翼云息壤 NEW 新老用户均可免费体验2500万Tokens,限时两周
  • 云上钜惠 HOT 爆款云主机全场特惠,更有万元锦鲤券等你来领!
  • 算力套餐 HOT 让算力触手可及
  • 天翼云脑AOne NEW 连接、保护、办公,All-in-One!
  • 中小企业应用上云专场 产品组合下单即享折上9折起,助力企业快速上云
  • 息壤高校钜惠活动 NEW 天翼云息壤杯高校AI大赛,数款产品享受线上订购超值特惠
  • 天翼云电脑专场 HOT 移动办公新选择,爆款4核8G畅享1年3.5折起,快来抢购!
  • 天翼云奖励推广计划 加入成为云推官,推荐新用户注册下单得现金奖励
免费活动
  • 免费试用中心 HOT 多款云产品免费试用,快来开启云上之旅
  • 天翼云用户体验官 NEW 您的洞察,重塑科技边界

智算服务

打造统一的产品能力,实现算网调度、训练推理、技术架构、资源管理一体化智算服务
智算云(DeepSeek专区)
科研助手
  • 算力商城
  • 应用商城
  • 开发机
  • 并行计算
算力互联调度平台
  • 应用市场
  • 算力市场
  • 算力调度推荐
一站式智算服务平台
  • 模型广场
  • 体验中心
  • 服务接入
智算一体机
  • 智算一体机
大模型
  • DeepSeek-R1-昇腾版(671B)
  • DeepSeek-R1-英伟达版(671B)
  • DeepSeek-V3-昇腾版(671B)
  • DeepSeek-R1-Distill-Llama-70B
  • DeepSeek-R1-Distill-Qwen-32B
  • Qwen2-72B-Instruct
  • StableDiffusion-V2.1
  • TeleChat-12B

应用商城

天翼云精选行业优秀合作伙伴及千余款商品,提供一站式云上应用服务
进入甄选商城进入云市场创新解决方案
办公协同
  • WPS云文档
  • 安全邮箱
  • EMM手机管家
  • 智能商业平台
财务管理
  • 工资条
  • 税务风控云
企业应用
  • 翼信息化运维服务
  • 翼视频云归档解决方案
工业能源
  • 智慧工厂_生产流程管理解决方案
  • 智慧工地
建站工具
  • SSL证书
  • 新域名服务
网络工具
  • 翼云加速
灾备迁移
  • 云管家2.0
  • 翼备份
资源管理
  • 全栈混合云敏捷版(软件)
  • 全栈混合云敏捷版(一体机)
行业应用
  • 翼电子教室
  • 翼智慧显示一体化解决方案

合作伙伴

天翼云携手合作伙伴,共创云上生态,合作共赢
天翼云生态合作中心
  • 天翼云生态合作中心
天翼云渠道合作伙伴
  • 天翼云代理渠道合作伙伴
天翼云服务合作伙伴
  • 天翼云集成商交付能力认证
天翼云应用合作伙伴
  • 天翼云云市场合作伙伴
  • 天翼云甄选商城合作伙伴
天翼云技术合作伙伴
  • 天翼云OpenAPI中心
  • 天翼云EasyCoding平台
天翼云培训认证
  • 天翼云学堂
  • 天翼云市场商学院
天翼云合作计划
  • 云汇计划
天翼云东升计划
  • 适配中心
  • 东升计划
  • 适配互认证

开发者

开发者相关功能入口汇聚
技术社区
  • 专栏文章
  • 互动问答
  • 技术视频
资源与工具
  • OpenAPI中心
开放能力
  • EasyCoding敏捷开发平台
培训与认证
  • 天翼云学堂
  • 天翼云认证
魔乐社区
  • 魔乐社区

支持与服务

为您提供全方位支持与服务,全流程技术保障,助您轻松上云,安全无忧
文档与工具
  • 文档中心
  • 新手上云
  • 自助服务
  • OpenAPI中心
定价
  • 价格计算器
  • 定价策略
基础服务
  • 售前咨询
  • 在线支持
  • 在线支持
  • 工单服务
  • 建议与反馈
  • 用户体验官
  • 服务保障
  • 客户公告
  • 会员中心
增值服务
  • 红心服务
  • 首保服务
  • 客户支持计划
  • 专家技术服务
  • 备案管家

了解天翼云

天翼云秉承央企使命,致力于成为数字经济主力军,投身科技强国伟大事业,为用户提供安全、普惠云服务
品牌介绍
  • 关于天翼云
  • 智算云
  • 天翼云4.0
  • 新闻资讯
  • 天翼云APP
基础设施
  • 全球基础设施
  • 信任中心
最佳实践
  • 精选案例
  • 超级探访
  • 云杂志
  • 分析师和白皮书
  • 天翼云·创新直播间
市场活动
  • 2025智能云生态大会
  • 2024智算云生态大会
  • 2023云生态大会
  • 2022云生态大会
  • 天翼云中国行
天翼云
  • 活动
  • 智算服务
  • 产品
  • 解决方案
  • 应用商城
  • 合作伙伴
  • 开发者
  • 支持与服务
  • 了解天翼云
      • 文档
      • 控制中心
      • 备案
      • 管理中心

      双维度文本查重算法

      首页 知识中心 大数据 文章详情页

      双维度文本查重算法

      2023-08-04 07:24:09 阅读次数:428

      java,servlet,算法

      思路:

      双维度文本查重算法

      调用detect方法即可得到重复率(float)

      代码如下:

      package com.hnisc.cmpas.util;
      
      import java.util.ArrayList;
      import java.util.Date;
      import java.util.List;
      
      public class DuplicateDetection {
          private static final String html_seperator="<br>";
          private static final String sentence_seperator="[,.;!:,。;!:]";
          //将一段文字切割成若干句
          public static String[] split(String src)
          {
              List<String> result=new ArrayList<>();
              String []htmls=src.split(html_seperator);
              for (String s:htmls)
                  for (String s2:s.split(sentence_seperator))
                      result.add(s2);
              String []results=new String[result.size()];
              result.toArray(results);
              return results;
          }
          //清晰字符串除杂消除干扰
          public static String[] clean(String []src)
          {
              for (int i=0;i<src.length;i++)
                  src[i]=clean(src[i]);
              return src;
          }
          //清除非数字、字母、中文
          public static String clean(String src)
          {
              return src.replaceAll("[^a-zA-Z0-9\\u4e00-\\u9fa5]","");
          }
          //检测两个作业内容的相似率
          public static float detect(String des,String src)
          {
              float resultFloat=0.00f;
              //分语义行切割作业内容
              String desArray[]=split(des);
              String srcArray[]=split(src);
              //对作业内容中非自然语言进行清洗除杂
              desArray=clean(desArray);
              srcArray=clean(srcArray);
              for (String s:desArray)
                  resultFloat+=checkSingleLineWithSrcArray(s,srcArray);
              resultFloat/=desArray.length;
              return resultFloat;
          }
          //将一行和所有可能行进行比较得出最大的相似率
          private static float checkSingleLineWithSrcArray(String line, String []srcArray)
          {
              float result=0.00f;
              for (String s:srcArray)
              {
                  //基于找公共子串进行相似度计算
                  float temp1=checkSingleLineWithSingleLine(line,s);
                  if (temp1>result)
                      result=temp1;
                  //基于找公共字符数进行相似度计算
                  float temo2=checkDuplicationWithMatrix(line,s);
                  if (temo2>result)
                      result=temo2;
              }
              return result;
          }
          //将一行和一行比较,求出公共子序列,以此得出两字符串的相似度
          private static float checkSingleLineWithSingleLine(String line,String src)
          {
              float result;
              String s1 = line;
              String s2 = src;
              String max = s1.length() >= s2.length()?s1:s2;
              String min = s1.length() >= s2.length()?s2:s1;
              int l = 0;
              String s ="";
              for(int i=0;i<min.length();i++){
                  for(int j=i+1;j<=min.length();j++){
                      if(max.contains(min.substring(i,j)) && j-i>l){
                          l=j-i;
                          s=min.substring(i,j);
                      }
                  }
              }
              result=s.length();
              result/=line.length();
              return result;
          }
          //将一行和一行比较,使用集合法求出相似度
          private static float checkDuplicationWithMatrix(String s1,String s2)
          {
              float result;
              int count=0;
              for (int i=0;i<s1.length();i++)
                  for (int j=0;j<s2.length();j++)
                      if (s1.charAt(i)==s2.charAt(j))
                          count++;
              result=count;
              result/=((s1.length()+s2.length())/2);
              return result;
          }
          //将小数转化为百分数的字符串
          public static String transferFloatToPersentString(float f)
          {
              String result;
              f*=10000;
              int t1=(int)f;
             result=(((float)t1)/100)+"%";
              return result;
          }
          public static void main(String[] args) {
              Date start=new Date();
              String tar="public class AAAA {<br> public static void main(String[] args) {<br> <br>  nineSort();<br>       <br> }<br><br> // 打印九九乘法表<br> public static void nineSort(){<br>  for(int i = 1; i <= 9; i++) {<br>        for (int j = 1; j <= i; j++) {<br>          System.out.print(j+\"*\"+i+\"=\"+j*i+\"\\t\");<br>        }<br>        System.out.println();<br>      }<br>    }<br>}";
              String src="public class AAAA {<br> // 打印九九乘法表<br>  public static void nineSortTest(){<br>   for(int index1 = 1; index1 <= 9; index1++) {<br>         for (int index2 = 1; index2 <= index1; index2++) {<br>           System.out.print(index2+\"*\"+index1+\"=\"+index2*index1+\"\\t\");<br>         }<br>         System.out.println();<br>       }<br>     }<br> public static void main(String[] args) {<br> <br>  nineSortTest();<br>       <br> }<br>}";
              System.out.println(transferFloatToPersentString(detect(src,tar)));
              Date end=new Date();
              System.out.println("花费时间:"+(end.getTime()-start.getTime())+"毫秒");
          }
      }
      

      运行结果:

      双维度文本查重算法

      版权声明:本文内容来自第三方投稿或授权转载,原文地址:https://blog.csdn.net/HumorChen99/article/details/102756439,作者:HumoChen99,版权归原作者所有。本网站转在其作品的目的在于传递更多信息,不拥有版权,亦不承担相应法律责任。如因作品内容、版权等问题需要同本网站联系,请发邮件至ctyunbbs@chinatelecom.cn沟通。

      上一篇:Pytorch完成基础的模型-线性回归

      下一篇:线性回归简介

      相关文章

      2025-05-19 09:04:14

      《剑指Offer》搜索算法题篇——更易理解的思路~

      《剑指Offer》搜索算法题篇——更易理解的思路~

      2025-05-19 09:04:14
      算法
      2025-05-19 09:04:14

      复杂度的OJ练习

      复杂度的OJ练习

      2025-05-19 09:04:14
      代码 , 复杂度 , 思路 , 数组 , 算法
      2025-05-19 09:04:14

      背包问题——“0-1背包”,“完全背包”(这样讲,还能不会?)

      背包问题——“0-1背包”,“完全背包”(这样讲,还能不会?)

      2025-05-19 09:04:14
      动态规划 , 算法
      2025-05-16 09:15:17

      多源BFS问题(4)_地图分析

      多源BFS问题(4)_地图分析

      2025-05-16 09:15:17
      单元格 , 算法 , 网格 , 距离
      2025-05-16 09:15:17

      递归,搜索,回溯算法(3)之穷举,暴搜,深搜,回溯,剪枝

      递归,搜索,回溯算法(3)之穷举,暴搜,深搜,回溯,剪枝

      2025-05-16 09:15:17
      回溯 , 子集 , 数组 , 算法 , 递归
      2025-05-16 09:15:17

      多源BFS问题(2)_飞地的数量

      多源BFS问题(2)_飞地的数量

      2025-05-16 09:15:17
      bfs , grid , 单元格 , 算法
      2025-05-16 09:15:17

      BFS解决最短路问题(4)_为高尔夫比赛砍树

      BFS解决最短路问题(4)_为高尔夫比赛砍树

      2025-05-16 09:15:17
      BFS , lt , 复杂度 , 算法
      2025-05-16 09:15:10

      BFS解决FloodFill算法(3)_岛屿的最大面积

      BFS解决FloodFill算法(3)_岛屿的最大面积

      2025-05-16 09:15:10
      grid , 复杂度 , 算法
      2025-05-14 10:33:31

      【数据结构】第一章——绪论(2)

      【数据结构】第一章——绪论(2)

      2025-05-14 10:33:31
      函数 , 实现 , 打印 , 理解 , 算法 , 输入 , 输出
      2025-05-14 10:33:31

      【数据结构】详细介绍串的简单模式匹配——朴素模式匹配算法

      【数据结构】详细介绍串的简单模式匹配——朴素模式匹配算法

      2025-05-14 10:33:31
      下标 , 元素 , 匹配 , 子串 , 模式匹配 , 算法
      查看更多
      推荐标签

      作者介绍

      天翼云小翼
      天翼云用户

      文章

      33561

      阅读量

      5237533

      查看更多

      最新文章

      《剑指Offer》搜索算法题篇——更易理解的思路~

      2025-05-19 09:04:14

      背包问题——“0-1背包”,“完全背包”(这样讲,还能不会?)

      2025-05-19 09:04:14

      多源BFS问题(4)_地图分析

      2025-05-16 09:15:17

      BFS解决最短路问题(4)_为高尔夫比赛砍树

      2025-05-16 09:15:17

      递归,搜索,回溯算法(3)之穷举,暴搜,深搜,回溯,剪枝

      2025-05-16 09:15:17

      多源BFS问题(2)_飞地的数量

      2025-05-16 09:15:17

      查看更多

      热门文章

      Lc70_爬楼梯

      2024-06-27 09:20:52

      算法-实现 出入栈,寻找最小值

      2022-12-26 09:32:17

      利用函数求出一个数组最大三个数的乘积

      2023-02-13 08:10:07

      冒泡排序法解析

      2024-07-01 01:30:59

      猜字母问题

      2023-02-24 08:30:41

      1791. 找出星型图的中心节点

      2023-02-13 07:55:59

      查看更多

      热门标签

      算法 leetcode python 数据 java 数组 节点 大数据 i++ 链表 golang c++ 排序 django 数据类型
      查看更多

      相关产品

      弹性云主机

      随时自助获取、弹性伸缩的云服务器资源

      天翼云电脑(公众版)

      便捷、安全、高效的云电脑服务

      对象存储

      高品质、低成本的云上存储服务

      云硬盘

      为云上计算资源提供持久性块存储

      查看更多

      随机文章

      【前缀和】算法实战

      算法__数字三角形

      机器学习算法的分类

      [leetcode] 55. Jump Game

      [leetcode] 62. Unique Paths

      单词接龙 II。

      • 7*24小时售后
      • 无忧退款
      • 免费备案
      • 专家服务
      售前咨询热线
      400-810-9889转1
      关注天翼云
      • 旗舰店
      • 天翼云APP
      • 天翼云微信公众号
      服务与支持
      • 备案中心
      • 售前咨询
      • 智能客服
      • 自助服务
      • 工单管理
      • 客户公告
      • 涉诈举报
      账户管理
      • 管理中心
      • 订单管理
      • 余额管理
      • 发票管理
      • 充值汇款
      • 续费管理
      快速入口
      • 天翼云旗舰店
      • 文档中心
      • 最新活动
      • 免费试用
      • 信任中心
      • 天翼云学堂
      云网生态
      • 甄选商城
      • 渠道合作
      • 云市场合作
      了解天翼云
      • 关于天翼云
      • 天翼云APP
      • 服务案例
      • 新闻资讯
      • 联系我们
      热门产品
      • 云电脑
      • 弹性云主机
      • 云电脑政企版
      • 天翼云手机
      • 云数据库
      • 对象存储
      • 云硬盘
      • Web应用防火墙
      • 服务器安全卫士
      • CDN加速
      热门推荐
      • 云服务备份
      • 边缘安全加速平台
      • 全站加速
      • 安全加速
      • 云服务器
      • 云主机
      • 智能边缘云
      • 应用编排服务
      • 微服务引擎
      • 共享流量包
      更多推荐
      • web应用防火墙
      • 密钥管理
      • 等保咨询
      • 安全专区
      • 应用运维管理
      • 云日志服务
      • 文档数据库服务
      • 云搜索服务
      • 数据湖探索
      • 数据仓库服务
      友情链接
      • 中国电信集团
      • 189邮箱
      • 天翼企业云盘
      • 天翼云盘
      ©2025 天翼云科技有限公司版权所有 增值电信业务经营许可证A2.B1.B2-20090001
      公司地址:北京市东城区青龙胡同甲1号、3号2幢2层205-32室
      • 用户协议
      • 隐私政策
      • 个人信息保护
      • 法律声明
      备案 京公网安备11010802043424号 京ICP备 2021034386号