每一年六月全是毕业季节。每一个学生不但要报名参加毕业论文答辩，也要递交高品质的毕业论文。可是哪些的毕业论文才算高品质呢？最基础的规定之一便是论文查重不可以超出30%(每一个院校很有可能有不一样的规定，有些是20%)。那麼那么问题来了，中国知网下大家如何计算论文查重？实际上论文查重最重要的是测算几篇文章内容的相似性。

　　文本相似度测算广泛运用于信息搜索、大数据挖掘、翻译机器、文本文档反复检验等行业。例如舆情控制，假如你开发设计了一个微博网站，而且早已将全世界全部的骂人句子百度收录到一个数据库查询中，那麼当一个客户发布微博的情况下，会先和骂人句子的数据库查询开展核对，假如和里边的语句配对，就不容易把客户传出去。

　　对于TF-IDF优化算法，我还在上一篇文章中详细介绍过，有必须能够 看一下。文中关键详细说明余弦相似度优化算法。

　　假定向量a和b的座标各自为(x1，y1)、(x2，y2)。随后：

　　设空间向量A=(A1，A2，安)，B=(B1，Bn)。营销推广到多维，一位数学家早已为大家证实了，因此你只必须记牢下边的公式计算：

　　简易而言，能够 写出以下公式计算：

　　举一个实际的事例，使我们从这句话逐渐：

　　相比看电视剧，我更喜欢看电视剧。

　　语句B:我不太喜欢看电视剧，也讨厌看电视剧。

　　之一步：词性标注

　　语句a:我/喜爱/看/电视机，但不/喜爱/看/影片。

　　语句B:我/不/喜爱/看/电视机，也有/不/喜爱/看/影片。

　　第二步：列举全部英语单词

　　我，喜爱，看电视剧，影片，不，也是

　　第三步：测算高频词

　　语句a:我1，喜爱2，看2，电视机1，电影1，2号，也是0

　　我1，喜爱2，看2，电视机1，电影1，不2，也1

　　第四步：写高频词空间向量

　　语句a: [1，2，2，1，1，1，0]

　　语句b: [1，2，2，1，1，2，1]

　　第五步：测算余弦值

　　余弦值越贴近1，交角越贴近0度，即2个空间向量越类似，称之为余弦类似。

　　简易而言，上边测算的值，便是几句话相似性在90%上下，越贴近1，越类似。