Delphi - как посчитать процент плагиата

[romantik1993]

есть программа антиплагиат. В общем она берет 2 вордовских файла, разбивает каждый из них на предложения, и потом сравнивает каждое предложение из первого файла с каждым предложением из второго файла. В каждый момент сравнения двух предложений, программа выводит эти предложения и процент сходства этих предложений.

Подкиньте идейку как можно посчитать общий процент плагиата.


Прилагаю скриншот для более детального понимания результата.
Короче смысл такой на скриншоте верхнее предложение это 315 предложение, предложение 1 это из первого текста, а второе их второго, процент сходства у них 0.66, ну если домножить на 100 то будет 66 процентов. и так далее

[Smogg]

(1- Расстояние Левенштейна делить на длину предложения) умножить на 100 - получим процент сходства по предложениям.

А если суммарные расстояния Левенштейна по всем предложениям делить на длину всего текста, то получим количество плагиата по всему, соответственно, тексту.

Но такой подход в лоб пройдет, только если порядок предложений сохраняется 1к1му, т.е. без вставок/удалений абзацев из оригинального/тестируемого текста...

А, ведь так и написано:

потом сравнивает каждое предложение из первого файла с каждым предложением из второго файла

Ну, тогда берем высчитанный процент максимальной похожести и умножаем на длину предложения. Так получаем точное значение количества плагиата в предложении, а не относительное в процентах.
Затем суммируем точные значения по отдельным предложения и делим сумму на длину всего текста - так получаем относительное значение плагиата по всему тексту.

[Poma][a]

Мама мыла раму. Арбуз был куплен в магазине
Рама была помыта мамой. В магазине был куплен арбуз
Рама была тщательно мамой помыта, ибо давно нуждалась в мытье. Мы купили сочный, спелый арбуз

Ну и как тут определить?
Не зайдет тупо по предложениям

[min@y™]

Прилагаю скриншот

где ?

[Smogg]

Сообщение от Poma][a

Рама была тщательно мамой помыта, ибо давно нуждалась в мытье. Мы купили сочный, спелый арбуз

Ну и как тут определить?
Не зайдет тупо по предложениям

Предлагается разбирать предложение на слова, которые приводить к словарной форме, выкидывать всякие связки (ибо, потому что, следует...) и сравнивать их количество?

[Poma][a]

Угу. Почти
Но только не кол-во.. А кол-во похожих