1、分别从开始遍历两个 字符串数组，比较 相似（相同） 字符百分比。
创新互联建站是网站建设技术企业，为成都企业提供专业的成都网站建设、成都网站制作，网站设计，网站制作，网站改版等技术服务。拥有十载丰富建站经验和众多成功案例，为您定制适合企业的网站。十载品质，值得信赖！
2、第一步：把每个网页文本分词，成为词包（bag of words）。第三步：统计网页（文档）总数M。第三步：统计第一个网页词数N，计算第一个网页第一个词在该网页中出现的次数n，再找出该词在所有文档中出现的次数m。
3、用算法中的求最大相似子字符串的方法LCS或许可以，它可以找到两个字符串中最大相似的子字符串。
4、这个不是java的问题吧，看看深度学习。基础教学就有个是手写文字的判断。可以把样板文字改成楷体，要机器学习学习。最后输入手写文字，看命中率吧。
5、给你看看我的思路：把两句话存在两个String里，然后用一个int记String长度，一个int记相同字的个数，最后把两个int一除就出来了。当然这个是最简单的，只能算相同长度的两句话。
6、什么是抄袭，一摸一样的叫抄袭？现在人都不会这么傻吧，怎么也得改点。如果是完全相同，把2段代码以流的形式读进来比较。
接下来，我们定义两个字符串 `str1` 和 `str2`，并在 `jaccard_similarity` 函数中使用它们来计算它们之间的相似度。最后，我们将相似度打印到控制台上。
第一步，计算所有评论的tf-idf 值。第二步，使用所有评论的tf-idf 值算出商品描述的tf-idf 值。第三步，计算每一个评论和商品描述之间的tf-idf 余弦相似度。
使用python-Levenshtein模块 import Levenshtein 算法说明 1). Levenshtein.hamming(str1， str2)计算汉明距离。要求str1和str2必须长度一致。是描述两个等长字串之间对应 位置上不同字符的个数。
linux + thread + progress 这样子可以通过java调用linux命令 linux中有一个comm -12命令来实现比较两个文件的共同数据， 生成一个新文本。
应用2：计算文本相似度 明白了对于每个词，如何计算它的TF-IDF值。那么计算文本相似度也轻而易举。我们已经计算了文章中每个词的TF-IDF值，那么我们便可以将文章表征为词的TF-IDF数值向量。
貌似给别的语言用的，可以先用c，c++引出功能，在做成python可调用的模块。
也可以利用knn分类器等分类方法判断相似与否，用deeplearning的话：短文本：拿word2vec开始，然后上面套CNN（如果n-gram更重要），或者LSTM做短文本的embedding，然后算两个文档在embeddingspace里的相似度。
然后得到了word2vec的词向量后，可以通过简单加权/tag加权/tf-idf加权等方式得到文档向量。这算是一种方法。当然，加权之前一般应该先干掉stop word，词聚类处理一下。
首先考虑如何令“文档1中的每个词以不同权重匹配到另一个文档的所有词上”。如下图，很简单，我们允许“部分匹配”就可以了。
linux + thread + progress 这样子可以通过java调用linux命令 linux中有一个comm -12命令来实现比较两个文件的共同数据， 生成一个新文本。
