t'explique l'utilisation d'un compresseur pour détecter plus ou moins automatiquement les séquences similaires. Regarde plus précisément le premier paragraphe "Compression de données" après l'intro.
Pour résumer : tu as un répertoire A contenant la version 1 et B contenant la version 2.
soit la fonction c(Rep) = len(gzip(tar(Rep) qui te donne la longueur du fichier Rep.tar.gz (ou bzip2, si tu préfères).
alors on définit la distance de similitude entre A et B :
d(A, B) = 1 – {c(A) + c(B) – c(AB)} / min{c(A),c(B)}
elle vaut 0 quand A = B et 1 quand A est complètement différent de B.
J'avais déjà testé cette méthode fut un temps et elle m'avait donné de bons résultats...
# Utilise gzip, luke !
Posté par aedrin . En réponse au message Calculer le taux de modification. Évalué à 4.
http://interstices.info/jcms/c_21828/classer-musiques-langue(...)
t'explique l'utilisation d'un compresseur pour détecter plus ou moins automatiquement les séquences similaires. Regarde plus précisément le premier paragraphe "Compression de données" après l'intro.
Pour résumer : tu as un répertoire A contenant la version 1 et B contenant la version 2.
soit la fonction c(Rep) = len(gzip(tar(Rep) qui te donne la longueur du fichier Rep.tar.gz (ou bzip2, si tu préfères).
alors on définit la distance de similitude entre A et B :
d(A, B) = 1 – {c(A) + c(B) – c(AB)} / min{c(A),c(B)}
elle vaut 0 quand A = B et 1 quand A est complètement différent de B.
J'avais déjà testé cette méthode fut un temps et elle m'avait donné de bons résultats...
Mes deux euros...