SIMILITUD DE DOCUMENTOS

[rapunzel]

hola, estoy trabando con estructuras de datos y ahora quiero hacer un programa que me sirva para detectar si un documento es plagio, yo anteriormente he trabajado con imagenes es decir buscando por similitud en un vtp lo que ahora quiero saber para trabajar con texto es como se hace la comparacion porque cuando trabajaba con imagnes las vectorizaba y ya tenia la imagen en un vector de numeros asi era facil comparar pero ¿como hago con texto o documentos?.

gracias espero que me ayuden

[ivancp]

Una opcion es que almacenes las palabras y les des un peso a cada una, el peso puede ser el "significado", luego guardas estos valores en algun sitio con el objeto de buscar un patron.

Al abrir otro documento puedes hacer lo mismo. Al momento de comparar los patrones notarás similitudes.

Bueno, hay muchas investigaciones que implementan lo que tu necesitas... es cuestion de que busques papers al respecto:

http://dc.exa.unrc.edu.ar/wicc/papers/Algoritmos/91.ps