显示抄袭结果答案

【问题标题】：Showing plagiarism results显示抄袭结果
【发布时间】：2011-05-19 06:23:32
【问题描述】：

我正在开发一个抄袭检测框架。在那里，我们首先以词干提取、同义词替换和停用词删除的方式对文档进行预处理。所以预处理后的文档与原始文档有些不同。

在我们将预处理的文档输入抄袭函数后，它会返回相似的句子。

然后在我们的 GUI 中，我们必须通过高亮显示这两个文档和相似的句子。

要在 java 中突出显示，我们必须获取单词的索引并突出显示。

问题是预处理后的文本与原始文档不同，因此很难对原始文档中的相似句子进行索引。

谁能帮我解决这个问题？？

【问题讨论】：

【解决方案1】：

您必须在预处理文档中存储某种元数据，以便将其内容映射到原始文档。就像保留因删除停用词而导致的所有空白的列表，或存储有关您将单词替换为同义词的位置的信息。

如果您记录在预处理期间所做的所有更改（位置/替换文本），那么您应该能够在原始文档中找到原始短语。

【讨论】：

同意：解决方案的核心是跟踪原始文档的转换方式。那可能是停用词/空格/标点符号删除，在这种情况下转换仍然是线性的（并且可以将差异用作核心技术），但也许可以重新排序句子？在这种情况下，您需要一张关于哪些片段移动到哪里的地图。