基于python的论文查重系统

给定一个或多个搜索词，如“高血压 患者”，从已有的若干篇文本中找出最相关的(n篇)文本。 文本检索（text retrieve）的常用策略是：用一个ranking function根据搜索词对所有文本进行排序，选取前n个，就像百度搜索一样。 结巴分词后的停用词性 [标点符号、连词、助词、副词、介词、时语素、‘的’、数词、方位词、代词] 对一篇文章分词、去停用词 对目录下的所有文本进行预处理，构建字典

自动的概念比较宽泛。是指自动查全IEEE站的论文并自动下载，还是提供一个URL然后自动下载页面内的论文PDF并且提取元数据，还是给关键字自动下载搜索结果列表的论文？你需要自己先明确自己的需求，这些“自动”实现的难度是不一样的。听你的意思是，你所在的网络环境应该是能够下载IEEE的PDF格式论文吧，要注意的是如果批量下载大量论文的话，可能会被屏蔽C段地址造成别人也无法访问哦。Python是可以的，可以自己从urllib的基础开始，也可以用模拟浏览器，也有scrapy这样的框架。总之，技术上是可行的。如果只是写论文整理文献，可以学习使用Zotero，可以很方便的自动下载页面内的论文并生成元数据，引用和批注都很方便，除了IEEE的网站也支持其他非常多的网站类型。