“再现”的定量分析 --- 阿冈本《散文的观念》中“觉醒的观念”一章中文文本相似度检测

“再现”一词，用在文本分析上，可以认为是一个文本在另一个文本中的再出现。再出现的程度，就是常说的文本相似度。
 
文本相似度可以定量分析，分析值可用百分比表示（或用0到1之间数值表示）。如果相似度为零，表示两个文本毫无关联；如果相似度为100%（或者是1），则显示两个文本是简单的 copy & paste 关系。
 
文本相似度检测越来越多地用在反剽窃、抄袭等等行为上。一般相似度在10-15%以下可以接受；如果相似度在50%以上，则可以断定是剽窃抄袭无疑。
 
这里有一个中文文本相似度检测，简单地计算两个string之间的相似程度：

http://life.chacuo.net/convertsimilar

不妨以此计算一下阿冈本书中“觉醒的观念”一章白轻（lightwhite)译文（https://www.douban.com/note/300382510/）和“又译文” 之间的相似度。

去掉多余的英文词和分段，不难得出本章第一部分两个文本之间相似度为72.72% ，第二部分（原文和英译都包括一大段拉丁文）两个文本之间相似度为83%。

也可以说是“再现”度。

所有跟帖： 

• Stupid is as stupid does, *_*。问好。 -文革传人- ♂ (0 bytes) () 08/16/2018 postreply 19:08:50

• 哈哈，和这几天那个红芯浏览器的故事倒是不无同工之妙。解压之后，发现连chrome文件名字都没改 :-)) -papyrus- ♂ (0 bytes) () 08/17/2018 postreply 02:46:20

• 这不仅是苍白了，你这是face都模糊了。哈哈哈。 -冰兵- ♀ (0 bytes) () 08/17/2018 postreply 17:15:47

• 已构成了诬陷 -英二- ♂ (0 bytes) () 08/16/2018 postreply 19:41:02