Java 如何从mssql表中识别包含类似文本的记录

我有一个包含多条记录的表格，这些记录具有不同或相似或部分相似的文本

例如：

记录1：堆栈溢出论坛非常有用。这在很大程度上帮助了开发人员和研究人员。 记录2：有几个非常有用的论坛可以帮助开发人员和研究人员

记录3：这个堆栈溢出论坛非常有用。这在很大程度上帮助了开发人员和研究人员。 记录4：不应考虑该文本

考虑记录1和记录3，它们都是相同的，并且在我为记录生成哈希代码时被标记为重复

记录4包含完全不同的文本

看看记录1和记录2，它们的意思基本相似，包含的单词也几乎相似

比较两个记录时，这两个记录中相似单词的百分比更大

所以我需要根据百分比提取这些类型的记录

是否有与java相关的算法来执行此操作

---

如果我能得到一些指导，这将对我很有用。

您可以使用模糊字符串搜索来搜索您的需求。 也许我能帮你。

---

或者，对于数据库中的搜索，也可以使用Hibernate搜索。请参见

您的实际问题是：我需要一个Java算法来计算字符串相似性。另外90%的问题文本是不相关的。我建议你先用谷歌搜索一下，因为在这里询问资源是不合适的。