یافتن متون مشابه با داده‌کاری

درباره کتاب

یکی از مسائل بنیادی در داده‌کاوی بررسی داده‌ها به منظور یافتن عناصر مشابه است؛ یافتن اسناد و متون مشابه در زمینه های مختلفی کاربرد دارد که از مهم‌ترین آن‌ها یافتن سرقت‌های علمی و ادبی نوشتاری است.

در این کتاب روشی نوین برای یافتن سندهای مشابه بر پایه امتیازدهی بر اساس طول و درهم‌سازی ارائه شده است. در این روش اسناد ابتدا بر اساس طول، امتیازدهی و دسته بندی شده است و سپس به کمک درهم‌سازی سندهای مشابه  پیدا می‌شوند. این روش نسبت به دیگر روش‌ها از نظر زمانی عملکرد بهتری دارد.