Text 如何检测具有模糊性的重复文本

几年前，我写博客的时候是为了在我看到它们之前删除重复的博客文章

在阅读了实现所基于的论文之后，我希望能够找到重叠的文档（例如，与全文相反的博客片段，可能还有引用）

---

你知道C++、Perl或Perl中的任何其他实现吗？我可以自己写之前尝试一下吗？< /P> < P> SpotSigs似乎适合我的法案，这里有一些参考文献：

此模块的soruce代码托管在GitHub上：

---

Jeremy Z.github链接不是源代码的链接。如果你看看回购协议，它是空的。SpotSigs的来源可以在这里找到：Nate提到的页面已移动，这是新的URL：我认为您必须使用经典的基于行的差分算法：这可能是对手头任务过于简单的方法，因为我想删除几乎重复的内容，例如有人引用了大部分帖子，并添加了类似“我也是”的内容这只是垃圾邮件。