有一个需求，网站有大量「模板回复」，说白了就是预先设定好了一些文字模板，一阵的复制粘贴，甚至怀疑用机器人刷帖。 这样的话回复质量就比较低。
一个是检查这个人回复的历史内容相似度，再一个怀疑机器人分析标题的关键词进行模板回复，还要分析回复内容触碰了标题哪些关键词。
有种方法是遍历比较两个字符串的字符，返回相同字符的个数，但这种不是很科学。还有种中文分词的，没太研究。没什么好的思路，望大佬赐教。
最终用了scws分词扩展，效果正在观察中
加个验证码就搞定的事想这么多吗
搜下文本相似性 simhash算法
可以找第三方，百度，阿里都有相关的服务
分词不能解决根本问题,最终还是要比较的,才能确定相似,要么是余弦相似度,要么就是simhash,simhash比对起来相对占用资源少,长文本下效果还不错
粤ICP备18099781号-6
|
粤公网安备 44030502004330号
|
违法和不良信息举报
由 Summer 设计和编码 ❤
请登录
关于 LearnKu
推荐文章：