基于后缀树的重复文档检测

• 作者: 冯金波
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 重复文档 后缀树 句子块
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 算法与语言
• 页码范围: 70-73
• 页数: 4页
• 分类号: TP312
• 字数: 497字
• 语种: 中文
• DOI: 10.11907/rjdk.151164

摘要

传统的重复文档检测方法是以单词或n－grams为单位提取特征，造成特征集合过于庞大。针对该缺点，提出以句子块作为文档特征的提取方法，将每个文档表示成句子长度序列，使用后缀树快速匹配公共子串。实验中，使用两个标准文档集与3种经典方法在有效性和效率方面进行比较，结果表明新算法有较高的准确率和效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯金波	江苏大学计算机科学与通信工程学院	2	1	1.0	1.0