[C#]文本相似度识别(2)

目前完成了K均值的聚类的程序

 

发现了以下问题：

1，速度太慢：当文本长度较长时，在读入文本、转码的时候，速度太慢；

2，对于文献相似度识别应用在作业时，整篇的检测不是很恰当，因为作业本来就是高度相似的。

 

 

有以下想法：

1，MD5这个转码没有研究过，但认为是这个的速度太慢了，不适合整个文本的检验；

2，考虑按句子比较，先对句子进行聚类，然后比较句子的相似度