主要技术：Python / jieba / TF-IDF / MultinomialNB / KMeans / editdistance / TopN 项目简介：通过分析不同机构发布的文章，判断是否有文章抄袭的情况，并找到原文和抄袭的文章，以及具体相似的句子。可以应用于毕业论文查重，IP作品及文本抄袭检测。 主要工作：对采集的文档进行数据清洗，采用TF-IDF提取文本特征，使用朴素贝叶斯分类器进行写作风格分类，并针对模仿自己写作风格的文章进行抄袭检测。先采用聚类算法对文档进行聚类降维，针对预测写作风格一致的作品，进行相似度检测及编辑距离检测。

基于计算机数字指纹的文本抄袭检测算法研究.docx

基于数字水印的文本抄袭检测算法.docx