参考邹博的PPT对5种常见的相似度的衡量方法进行一下汇总。
1、 Minkowski distance :
2、 Jaccard distance :
3、 cosine similarity :
4、 pearson correlation coefficient :
关于欧式距离、余弦相似度和pearson系数的关系可以查看 知乎上的讨论 。总结的说：
a、 在数据标准化后，Pearson相关性系数、余弦相似度、欧式距离的平方可认为是等价的。
b、 pearson相关系数是余弦相似度在维度值缺失情况下的一种改进。
5、 Kullback-Leibler divergence(相对熵、KL散度)
a、 KL散度是不对称的，即P到Q的距离不等于Q到P的距离；
b、 KL散度不满足三角距离公式，两边之和大于第三边，两边之差小于第三边。
参考文献：
1、
2、
3、
4、
5、
6、
7、
8、
9、
10、
论文修改的方法
毕业论文的修改方法有多种,且因人因文而异.但根本方法只有一种,即由学生自己进行认真修改,所谓具体的方法也就是在学生自己进行认真修改的基础上多借助于一些外在的力量而已.
(一)读改式
所谓读改式,是指修改文章时边读边改的修改方式.这是论文修改的主要方式.完成论文初稿后,由作者自己认真通读全文,并放声地读,多读几遍.这样,凭借语感的作用就能发现问题.语感与人们平时的读书或谈话联系紧密,语感对检查语病、缺字错别字十分有效,也能使语句哕嗦、语句不通畅等问题随时被发现.所以,初稿写出来后,自己要大声读上几遍,边读边改,这是人们常常采用的一种修改方法.
(二)冷改式
所谓冷改式,是指初稿完成后.先搁置一段时间再修改的一种方法.许多人常有这种情况,有时初稿写好了,也很想马上把它修改好,可是自己怎么也发现不了毛病,自我感觉相当不错,不愿修改或不知怎么修改.这时候,可以采取冷改式,把初稿放一段时间再修改,就会发现要修改的地方还很多.这种拉开时间距离的阅读与修改,容易使作者心明眼亮.此时作者的思维比较容易跳出原有的圈子,从另外一种角度冷静地审视自己的论文.只要时间允许,改好的论文可以搁一搁再进行修改,如此反复数次,有益于提高论文质量.
(三)热改式
所谓热改式,是指初稿完成后.趁热打铁,立即对论文进行修改的方法.这种方法的优点是作者对论文记忆清晰,印象深刻,修改及时,避免遗忘.缺点是作者还处于论文写作的兴奋状态,不够冷静、清醒,思想和情绪还难以从论文中超脱出来,还不能摆脱原来的写作思路,难以发现初稿中存在的问题,难以判断论文写作的成败,即使发现了问题,也舍不得修改.
(四)求助式
所谓求助式,是指作者完成论文初稿后,请他人阅读或与他人讨论等方式来发现自己论文中存在的不足和问题,并获得指点修改的一种方法.这也是一种比较常用、比较有效的修改方法.俗话说:"当局者迷.旁观者清."自己写的文章,自己总认为好,看不出问题来,而别人站在比较超脱的位置,容易发现论文中的问题.一个人写论文.难免有考虑不周之处,论文写完后请别人来看看,听听别人的意见,是一个很好的方法.
求助式修改借助的是他人的力量来修改论文.论文修改即使求助他人,也不是由他人来完成论文的修改,而是通过他人指点再由作者自己来完成修改.作者在听了他人意见后,要进一步消化、分析,取长补短,集思广益,进而通盘考虑.抛弃自己的成见.吸收他人见解,使论文达到比较理想的水平.所以,求助式修改只是论文修改的一种补充方式.根据求助对象的不同,求助式修改又可以分为两种:
1.求助导师修改
毕业论文是在导师的精心指导下进行写作的,并要有导师签字同意才能参加毕业论文答辩,因此初稿写好后,要虚心请自己的导师审阅文稿,他们不仅能发现文稿中的问题,而且能提出具体的修改意见,这对修改好毕业论文.提高论文质量无疑是大有裨益的.所以每个毕业生都应重视这种修改文章的好方式.
2.求助同学帮助修改
请同班同学或有共同兴趣爱好的学友一起讨论自己的论文初稿,放开思路.畅所欲言,最后将修改意见进行汇总,再根据这些意见进行修改.
(五)抄改式
所谓抄改式,是指有时初稿的文面写得或涂得较乱,难以下笔修改,就采用一边抄写誊清一边进行修改的一种方式.这种方式,作者通常是看一段、改一段、誊抄一段,直到全文抄完、改完为止.这种修改方法比较费工夫,而且有时可能不是连续进行的,会造成前后文不连贯.所以写毕业论文应尽量少采用这种方式,而应在写初稿时就使文面整洁有序.
论文查重要怎么查？
我们查重论文首先就要把论文提交到查重系统，有些论文查重系统比如知网会对论文进行分类，有设置对应的论文查重入口，因此我们需要进行分类上传，不同的查重系统设定的查重步骤是有区别的，因此我们需要按照具体查重系统的具体查重步骤上传论文输入信息进行操作，之后需要付出一定的查重费用，论文查重系统就会帮我们自动查重了。
论文查重系统的工作原理
论文查重系统会把提交的论文跟系统本身收录的数据库资源进行对比，每个论文查重系统都有着自己的查重算法，通常也是存在有差异的，比对出重复相似内容的话就会判定为抄袭，从而计算论文相似度也就是重复率结果，论文查重完之后就会生成论文查重报告，论文查重报告上会记载我们具体的论文查重情况，我们可以很方便的对照查重报告对论文进行修改。
参考资料：《论文到底要怎么查重?》
不确定。
因为paperpass跟知网收录的论文库是有差别的，有可能paperpass未收录的论文，在知网却被收录了，这种情况是很常见的，有很多同学在paperpass查重得到的数据是低于20%，而在知网上却大于60%，这些都是常事。
paperpass是以句子为单位，而且不能识别目录、标题、参考文献，会通通标红，并且的确会如你所说，出现你根本没有抄过的、无关的文章；知网是以段落为单位，目录、标题、参考文献可以自动识别。两者算法也不同。因此，paperpass的重复率一定是高于知网的。
也就是说paperpass比知网严格。用paperpass测出来18%，学校用知网要求20%，肯定能过的。即使没有把参考文献贴进去。因为知网不会把参考文献作为抄袭率。
扩展资料：
由于存在引注格式不统一、参考文献格式不规范、虚假引用等问题，PaperPass为了给用户提供最严格、最负责的检测结果，将不再区分“相似”和“引用”。PaperPass检测系统是在论文修改环节为用户提供修改依据的工具，系统所显示的相似部分(红字)是否属于正常引用将保留给用户自行审定。
另外PaperPass也是全国最大的论文检测技术提供商，已经为众多的机构和检测系统提供技术方案。所以通过PaperPass的检测后，可以通过其它检测系统的检测。
参考资料来源：百度百科-PaperPass
