文本相似度比较（网页版）

@祁俊辉，2017年6月22日测试。

1  说明

• 本程序以关于SimHash算法的实现及测试V4.0为基础，利用JSP添加JavaBean接口，改为网页版；
• 因为在网页版比较相似度时，生成txt文档会耗费一定的时间，而且在Tomcat发布后路径不方便控制，所以取消txt文档的输入输出，全程以字符串形式输入和返回；
• 目前文档库中有100篇txt现代小说，若后期需要增加，直接复制到该路径下，然后在程序“TF_IDF”中把“TextNum”变量改为文档库中小说的个数即可。

制作过程中遇到的问题：

• Tomcat发布程序后，不能使用相对路径，需使用绝对路径（计算TF-IDF值），目前路径为“E:\SimHash文档库”；
• 分词包一定要复制到Tomcat安装路径下，才能正常使用，否则会报错；
• CSS表格显示的“table-cell”一定要是块元素。

目前存在的问题：

• HTML页面分辨率变化时，如窗口化，格式会乱（因为CSS中有些布局用的绝对布局，可能是这个原因）。

以下为本项目的流程示意图：

2  程序

程序分为Java程序、HTML程序和CSS程序。

java程序含有“FenCi”、“TF_IDF”、“SimHash128Web”、“Main”四个类，前三个类对应三个主要步骤，最后一个类主要为javaBean接口类提供服务。

本次程序不再提供源码，若有需要请联系作者：qce.hui@qq.com。

3  结果展示

第一次进入网页时展现为：

若两个文本框什么都不输入，点击“检测”，则不会有结果，仍然显示以上。

若两个文本框其中一个输入字符，另一个不输入，则会显示“检测无效”，如图：

若两个文本框都正常输入，点击“检测”，则会显示相应结果。

若海明距离在40以内，则会显示海明距离及相似度，如图：

后台数据会将分词结果、计算TF-IDF值得结果以及生成的SimHash指纹显示，如图：

若若海明距离超过40，说明两个文本完全不相似，会出现如下图结果：

经测试，显示结果与没有使用网页时相同，说明网页版程序正确。

转载于:https://www.cnblogs.com/qijunhui/p/8448879.html