请问有快速和准确的汇总长短文相似文章的方法吗？

[naldo0193]

需要汇总改动少于 30%的文章（或者说相似到达 70%不包括标点符号），请问有这样的方法吗？

[ygtq]

google 一些相似度匹配算法，有挺多的。 我用过一个 simhash

[fanfou]

是的，有一些文本相似度匹配的库。

[bigboNed3]

这个感觉最长公共子序列可以啊
return len(longest_common_subsequence(s)) > 0.7 * len(s)

[0x0208v0]

结巴分词，集合交集，取百分数

[lithbitren]

最长公共子序列要用的话，得回溯除出所有连续的公共序列，过滤掉重复几个字或十几个字的，然后再加总求百分比，直接求只能求出最长的那个长度，多个短公共序列是不能直接得出的