一种基于熵的文本相似性计算方法

文本比较是求解两个文本间相似度的过程，文本间的相似度越高代表两个文本越趋于类似。传统的相似度算法主要从字符的角度度量文本的相似性，忽略了文本内多个共同文本串对于文本相似度的影响。针对此问题提出一种基于熵的相似度求解方法，在对文本间字符信息的提取基础上，建立共同子文本串度量维度，然后采用熵的方法进行相似度度量。实验表明，该方法具有更平滑的相似度曲线，从而验证了算法的有效性和准确性。