计算在另一个文件2中找到的来自文件1的n元组的百分比
PlagiarismDetector的Python项目详细描述
计算在另一个文件2中找到的来自文件1的n元组的百分比：
from plagiarismdetector.detector import Detector
print Detector.detect(synonyms_file_path,
eval_file_path,
source_file_path,
n_tuples_value=3)
运行
python plagiarismdetector/main.py synonyms_file_path eval_file_path source_file_path 3
假设和概述
- 取决于python2.7
- 标记器仅适用于使用penn treebank标记器的英语文本，原因是它根据英语中可能在其他语言（如印地语）中失败的结构划分字符串，因为句子分隔符和标点符号完全不同。
- 模块被优化为尽可能快，一些优化是：
- 只生成和存储文件2的n个g，生成但不存储文件1的n个元组。
- 不在内存中保存生成的n个程序，将使用生成器
- n-grams字典是从file2n-grams创建的，用于file1元组的恒定时间查找
- 文件2ngram字典中的密钥包含元组的散列，而不是实际的元组，以减少空间复杂度。
- 因为我们只关心在file2中找到的file1 n元组的百分比，所以不需要存储任何元组。因此，我们首先为file2生成n-grams，然后动态计算file1的计数，而不是生成file1的所有n元组并将其与file2的元组交叉引用。
测试
python -m unittest discover tests
帮助
python plagiarismdetector/main.py -h
位置参数
^{tt4}$ Path to file to be used for synonyms ^{tt5}$ Path to file to be evaluated ^{tt6}$ Path to file to be used as source for matching ^{tt7}$ Number of N-tuples, Optional and Defaults to 3
可选参数
-h, --help show this help message and exit
示例
Returns 100.0 Evaluation File go for a run Source File go for a jog N-tuples 3
欢迎加入QQ群-->： 979659372
