[发明专利]一种基于文章分割和皮尔森检验的文章重复程度检测方法

权利要求书

1.一种基于文章分割和皮尔森检验的文章重复程度检测方法，其主要特征为：按特定字数或特定识别位点将待测文章分为若干个片段，再统计各片段在文章中共出现的次数，以文章片段为横轴，片段在文章中出现的总次数为纵轴，绘制曲线，称此曲线为该文章的特征曲线，按照同样的分割位点将其他文章的进行同种方式的分割并统计各片段在文章中出现的次数，以文章片段为横轴，片段在文章中出现的总次数为纵轴，绘制曲线，称此曲线为该文章的特征曲线，将待测文章的曲线与其他文章的曲线一同进行皮尔森检验，以此为依据确定文章的重复程度。

2.根据权利要求1所述一种基于文章分割和皮尔森检验的文章重复程度检测方法，其特征在于将待测文章分割为多个片段，片段的长度影响检测的灵敏度，片段长度越短检测灵敏度越高。

3.根据权利要求1所述一种基于文章分割和皮尔森检验的文章重复程度检测方法，其特征在于将待测文章分割为多个片段时，片段长度并不固定。

4.根据权利要求1所述一种基于文章分割和皮尔森检验的文章重复程度检测方法，其特征在于将待测文章分割为多个片段后，统计各片段在全文中出现的次数。

5.根据权利要求1所述一种基于文章分割和皮尔森检验的文章重复程度检测方法，其特征在于统计各片段在全文中出现的次数后，以文章片段为横轴，片段在文章中出现的总次数为纵轴，绘制曲线，称此曲线为该文章的特征曲线。

6.根据权利要求1所述一种基于文章分割和皮尔森检验的文章重复程度检测方法，其特征在于文章的特征曲线可借助计算机完成绘制。

7.根据权利要求1所述一种基于文章分割和皮尔森检验的文章重复程度检测方法，其特征在于借助计算机绘制而成的文章的特征曲线并不一定需要以图表形式呈现。

8.根据权利要求1所述一种基于文章分割和皮尔森检验的文章重复程度检测方法，其特征在于借助计算机绘制而成的文章的特征曲线可以采用数学表达式或数组的形式呈现。

9.根据权利要求1所述一种基于文章分割和皮尔森检验的文章重复程度检测方法，其特征在于将绘制出的若干篇文章的特征曲线进行皮尔森检验。

10.根据权利要求1所述一种基于文章分割和皮尔森检验的文章重复程度检测方法，其特征在于依据皮尔森检验的结果判断文章的重复程度。