一种改进的字符串相似对比方法

摘要

本发明涉及一种改进的字符串相似对比方法，属于查重领域。本发明通过计算被对比字符串局部敏感哈希值，然后计算对比字符串的局部敏感哈希值，最后计算两者之间的汉明距离，从而得到两篇文章的相似度。为了提高计算的精确度，字符串被分词之后，每一个汉字都采用音形码进行编码，从而能很好的对同音的汉字、字形相似的汉字进行相似的对比。