本文關(guān)鍵詞：中文文本復(fù)制檢測(cè)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

杭州電子科技大學(xué) 碩士學(xué)位論文 中文文本復(fù)制檢測(cè)技術(shù)研究 姓名：盧小康 申請(qǐng)學(xué)位級(jí)別：碩士 專業(yè)：計(jì)算機(jī)軟件與理論 指導(dǎo)教師：王小華 20091101 杭州電子科技大學(xué)碩士學(xué)位論文 摘 要 在信息社會(huì)中,隨著計(jì)算機(jī)技術(shù)、通信技術(shù)、網(wǎng)絡(luò)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)已成 為人們獲取信息的一個(gè)重要途徑。人們預(yù)測(cè)，在不久的將來(lái)網(wǎng)絡(luò)媒體將會(huì)取代平 面媒體成為人們獲取信息的主要渠道。面對(duì)因特網(wǎng)上信息持續(xù)爆炸式地增長(zhǎng)，如 何從中快速找到用戶所需要的信息成為一個(gè)難題。 為解決這個(gè)難題，搜索引擎技術(shù)應(yīng)運(yùn)而生。然而，現(xiàn)在的搜索引擎技術(shù)并非 十分完善，返回結(jié)果集合中存在大量重復(fù)網(wǎng)頁(yè)。這些重復(fù)網(wǎng)頁(yè)主要是因?yàn)榫W(wǎng)站間 的轉(zhuǎn)載引起的，它不但加大了用戶檢索到所需信息的難度，也浪費(fèi)了存儲(chǔ)空間。 因此，，檢測(cè)出大量重復(fù)網(wǎng)頁(yè)，避免重復(fù)存儲(chǔ)，使信息檢索做到快速、準(zhǔn)確是一項(xiàng) 有意義的工作。另一方面，在因特網(wǎng)電子商務(wù)環(huán)境下，數(shù)字商品很容易被非法復(fù) 制和擴(kuò)散，這無(wú)疑會(huì)妨礙電子商務(wù)的健康發(fā)展。復(fù)制檢測(cè)技術(shù)一定程度上能輔助 解決上述問(wèn)題。目前國(guó)內(nèi)中文文本復(fù)制檢測(cè)研究還不成熟，沒(méi)有一個(gè)完善的解決 方案，許多問(wèn)題需要解決。 本文首先對(duì)文本復(fù)制檢測(cè)技術(shù)的現(xiàn)狀和發(fā)展進(jìn)行了簡(jiǎn)要的回顧，對(duì)文本復(fù)制 檢測(cè)技術(shù)的相關(guān)技術(shù)作了研究，并對(duì)中文文本預(yù)處理過(guò)程、文本分塊和特征提取 策略、文本相似度的度量方法、文本復(fù)制檢測(cè)算法等問(wèn)題進(jìn)行了詳細(xì)論述。分析 了常用的復(fù)制檢測(cè)算法，并對(duì)

  本文關(guān)鍵詞：中文文本復(fù)制檢測(cè)技術(shù)研究，由筆耕文化傳播整理發(fā)布。