java - 显示抄袭结果

Question

我正在开发抄袭检测框架。在那里，我们首先通过词干提取、同义词替换和停用词删除的方式对文档进行预处理。所以预处理后的文档与原始文档有些不同。

将预处理后的文档输入抄袭函数后，它会返回相似的句子。

然后在我们的 GUI 中，我们必须通过突出显示来显示两个文档和相似的句子。

要在java中突出显示，我们必须获取单词的索引并突出显示。

问题是预处理后的文本与原始文档不同，因此很难索引原始文档中的相似句子。

谁能帮我解决这个问题吗？

Answer 1

您必须将某种元数据与预处理文档一起存储，以便将其内容映射到原始文档。例如，保留因删除停用词而导致的所有空白的列表，或存储有关用同义词替换单词的位置的信息。

如果您记录了预处理过程中所做的每项更改(位置/替换的文本)，那么您应该能够在原始文档中找到原始短语。