文档相似度量算法的研究与应用

摘要：

针对向量空间模型在文档相似度量方面的局限,提出了基于计算公共子串的文档相似度量算法.对求公共子串算法进行了改进,提高了空间效率.用XML存储学生毕业设计论文文档,通过Java提供的DOM API生成文档对象树.深度优先搜索树中结点,进行结点比较,计算论文文档中出现的雷同文本,结合文档的结构相似性,能有效计算文档相似度.

关键词：文档相似、度量、XML、公共子串、VSM

所属期刊栏目：16

分类号：TP312(计算技术、计算机技术)

资助基金：江苏省现代教育技术研究项目2004-METR-8

在线出版日期：2007-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：28-31