java 文本的相似度_java – 文本相似度算法

我正在做一个Java项目，我必须做一个文本相似程序。我想要采取2个文本文档，然后将它们相互比较并获得相似之处。他们是如何相似的。

我稍后会放一个已经有数据库的人可以找到这些单词的同义词，并通过文本来查看文本文本中的一个作者是否只是将文字改为其他同义词，而文本完全相同。同样的事情上升或下降移动的paragrafs。

是的，这是一个plagarism程序…

我想从你那里听到你会推荐什么样的算法。

我在这里和其他地方找到了Levenstein和Cosine的相似之处。他们似乎都被提到了很多。汉明距离是我老师告诉我的另一个。

我有一些问题，因为我没有真正得到维基百科。有人可以向我解释这些事吗？

Levenstein：这个算法通过sub改变，添加和删除单词，看看它在文本文档中与另一个单词的接近程度。但是如何才能在整个文本文件中使用？我可以看到它如何用于一个词，而不是一个句子或一个整个文本文档从一个到另一个。

余弦：它通过测量它们之间的角度的余弦来测量两个矢量之间的相似度。我在这里不明白两个文本可以成为2个向量，那些文字/句子呢？

汉明：这个距离似乎比莱文斯坦更好，但只有等同的字符串。当2个文件甚至这些文字中的句子不是两个长度相等的字符串时，它的重要性如何？

维基百科应该有意义，但不是。对不起，如果这些问题听起来太愚蠢了，但是它让我失望，我觉得这里有人能解释这个问题，所以即使是这个领域的新生儿也可以得到它。

谢谢你的时间。