کاربرد زنجیره مارکوف در ارزیابی و شناسایی شباهت دو فایل متنی

در ایم مقاله پژوهشی هدف مقایسه و ارزیابی و محاسبه درصد شباهت دو فایل از نوع متنی با استفاده از زنجیره های مارکوف بررسی می شود که روش بکار گرفته شده تازه و ایده ای است. متد و راه حل کلی شباهت و ارزیابی دو فایل متنی بدین صورت است که از هر فایل یک بردار شاخص استخراج می گردد، سپس با ادغام دو برداری شاخص، بردار شاخص مرجع یا اصلی ایجاد گردد. با استفاده از بردار شاخص مرجع برای هر فایل یک ماتریس گذار ایجاد می شود. نهایتا با مقایسه و بررسی دو ماتریس گذار تفاوت هر دو فایل تعیین شده و درصد شباهت آنها محاسبه می گردد. دقت و صحت و درصد شباهت این روش و متد بسیار بالا می باشد و تمام کاراکترهای مورد استفاده در هر فایل ( از جمله Space و Enter و Tab ....) در مقایسه در نظر گرفته می شوند.

کلیدواژه ها:

ادغام فایل ، زنجیره مارکوف ، مقایسه فایل های متنی ، بردار شاخص ، ماتریس گذار ، Bigram N-gram کاراکتر