python 3.7.0及以上版本
第三方库:
jieba
numpy
python-docx
- 将实验报告模板(docx文件)置入src文件夹中
- 将需要比对的目标docx文件置入与ariticle_compare_in_simhash.py相同的文件目录中
运行ariticle_compare_in_simhash.py
即可获得该篇实验报告与语料库中报告的相似度
- 语料库(即src文件夹)中的docx文件全部转为txt文件,文本内容保存,图片、代码删除
- 读取txt中的内容并计算其simhash值
- 保存所有txt的simhash值和原文件名,便于后续索引
- 将需要比对的docx文件进行1、2操作,得到simhash2值
- 比对simhash2值和已经保存的simhash值库,输出比对结果