TextSimilarity-文本查重

·TextSimilarity.h

#pragma once
#include <cppjieba/jieba.hpp>
#include <unordered_map>
#include <string>
#include <unordered_set>
#include<windows.h>
#include<fstream>
#include<iostream>
#include<algorithm>
#include<iterator>
#include<assert.h>

class TextSimilarity
{
public:
	typedef std::unordered_map<std::string, int> wordFreq;
	typedef std::unordered_set<std::string> wordSet;
	TextSimilarity(std::string dict);
	double getTextSimilarity(const char* file1, const char* file2);
	std::string GbkToUtf8(std::string src_str);
	std::string Utf8ToGbk(std::string src_str);
	wordFreq getWordFreq(const char* file);
	wordFreq SumNum(wordFreq, wordFreq);
	wordFreq BackWf(wordFreq, wordFreq);

private:

	void getStopWordTable(const char* stopWordFile);

	std::string DICT;
	std::string DICT_PATH;
	std::string HMM_PATH;
	std::string USER_DICT_PATH;
	std::string IDF_PATH;
	std::string STOP_WORD_PATH;
	cppjieba::Jieba _jieba;

	wordSet _stopWordSet;
};
bool MySort(std::pair<std::string, int>& a, std::pair<std::string, int>& b);
std::vector<std::pair<std::string, int>> Sort(TextSimilarity::wordFreq);
double consine(std::vector<int> oneHot1, std::vector<int> oneHot2);
std::vector<int> Transform(TextSimilarity::wordFreq);

·TextSimilarity.cpp

#include "TextSimilarity.h"

using namespace std;
const char* const DICT_PATH = "E:/TextSimilarity/cppjieba/cppjieba/dict/jieba.dict.utf8";
const char* const HMM_PATH = "E:/TextSimilarity/cppjieba/cppjieba/dict/hmm_model.utf8";
const char* const USER_DICT_PATH = "E:/TextSimilarity/cppjieba/cppjieba/dict
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值