总体结构

基于字符串匹配的相似性排重
除去上下两个接口,剩下的部分大体分为四块:
预处理、生成散列值、提取特征值、相似度计算

一 预处理
输入:带有汉字、字母、数字、符号等的txt文件
输出:只含有数字编码的LinkedList

二 生成散列值
输入:只含有数字编码的LinkedList
输出:只含有散列值的LinkedList

三 提取特征值
输入:只含有散列值的LinkedList
输出:只含有特征值的LinkedList

四 相似度计算

输入:只含有特征值的LinkedList;已存文章的特征值
输出:相似度

你可能感兴趣的:(总体结构)