编程语言： python3.7
主要技术： 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
数据集：
链接：https://pan.baidu.com/s/1DZ7B6RXKOMjPvN_-aHLCYg 提取码：h8z4