如何实现像 kindle / 微信读书 那样的热门标注？

[noe132]

各类读书软件都有在书籍中显示热门笔记的功能。 一本书中间的一个段落被很多人划线标注，就会给其他用户在阅读时展示出来。 但是用户可能划线的部分并不是完全一样的，有的人可能少标注最后一个标点，有的可能省略了前面 2 个字

比如下面这段话，

“也许吧。所以，我的下一个项目必须取得成功，这样我就不会永远后悔过去了。”
用户 A 标注的是：
也许吧。所以，我的下一个项目必须取得成功，这样我就不会永远后悔过去了。
用户 B 标注的是(没有开头的 “也许吧。”)：
所以，我的下一个项目必须取得成功，这样我就不会永远后悔过去了。
用户 C 标注的是没有结尾的句号：
也许吧。所以，我的下一个项目必须取得成功，这样我就不会永远后悔过去了

是不是这样的数据可以归类成同一条？如果是的话是怎么归在一起的？按照差异来吗？比如划线的内容 80%都是重叠的，就认为是同一条