.net - 如何理解文本的静态部分是否已更改？ (diff算法相关)

Question

首先，这是一件很难解决的事情，到目前为止我还没有想出一个很好的例子，但我希望这里有人能解决这个问题。我希望有解决这类问题的已知方法，或者一种晦涩的算法。

场景:

• 在我的应用程序中，我向同一个网页发出了多个请求
• 网页中有动态和随机的内容，例如(日期时间，当天的报价等，理论上可以是任何内容)
• 此应用程序的响应有 2 个案例，我们称它们为“TRUE”和“FALSE”。例如，有时响应会返回“真实文本”，有时会返回“虚假文本”。
• 我的应用程序知道 3 个“真”案例样本和 3 个“假”案例样本，但这些样本也包括随机内容，例如“时间”。

挑战

• 现在，当我的应用程序收到新响应时，我如何才能了解此响应是“真”还是“假”案例的示例？

我尝试过的

• 逐行处理 TRUE case 的第一个样本，并根据字符值生成一个整数数组
• 对第二个 TRUE 样本做同样的事情
• 对第三个 TRUE 样本做同样的事情
• 分析这些存储的 TRUE 案例之间的差异，并用
创建一个新数组
• 现在，我知道哪些行是动态的(例如日期时间)，现在我创建一个新的最终 TRUE 案例数组，它仅将静态行存储到最终 TRUE 案例数组。
• 现在，当我得到一个新案例时，我会创建一个类似的数组，然后将其与之前存储的最终 TRUE 案例进行比较，如果匹配(过滤的行除外)，如果其他行发生大量更改(有公差值) 那么它就是 FALSE。

该算法的局限性和弱点非常明显。虽然我在某些情况下取得了一些不错的结果，但它并不总是按预期工作。

我现在的类(class)是这样的:

Dim Analyser AS NEW ContentAnalyzer()
Analyser.AddTrueCase(True1Html)
Analyser.AddTrueCase(True2Html)
Analyser.AddTrueCase(True3Html)

'This will return True if the UnknownHtml is similar to TRUE case, otherwise False
Analyser.IsThisTrue(UnknownHtml) 

抱歉，标题没有多大意义，我找不到合适的方式来描述它。

Answer 1

听起来你做的很简单 document classification .这是一个被大量研究的领域，尤其是最近由于垃圾邮件过滤器。查看以您选择的语言进行文档分类的图书馆。

Classifier4j看起来像是在 Java VM 上运行并已移植到 .NET 的流行库。