基于SolrCloud的分布式相似性检测系统

摘要：

文档相似性检测中，很多文本的资源是碎片化存储，实现全局的文本查重，在没有统一管理的情况下，不可能短时间将数据集中，数据仍旧是分散存储，为实现全局的检查，采用基于SolrCloud的分布式查重。论文在b位Minwise Hash的基础上，提出了弹性细粒度相似性检测方法；通过分析多粒度特征提取的特点，设置项目模板进行正则表达式匹配，提升了相似性检索的效率，最后通过系统实现验证该系统的有效性。

关键词：SolrCloud、相似性检测、哈希、分布式

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2016-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：79-83