C/C++基于词频的文件相似度

题目3.基于词频的文件相似度
【难度系数】3
【问题描述】
大家熟悉的文件查重系统，实际上就是计算2个文件的相似度。而实现一种简单原始的文件相似度计算，即以两文件的公共词汇占总词汇的比例来定义相似度。两文件的相似度,
即两文件的公共词汇量占两文件总词汇量的百分比。若相似度超过80%，则认为两文件为相似。本算法只计算英文文件相似度（中文的分词比较复杂）。本题要求建立一个倒排索引表存储分词后词汇。
文件请自选。
【基本要求】
命令1，用户输入2个文件名，导入文件到内存中，展示2个文件内容。
命令2，开始对文件分词，展示分词结果。
命令3，建立倒排索引表（设计哈希函数实现），展示索引结果。
命令4，展示2个文件的相似度及公共词汇。
命令5，退出系统运行。

源码下载

链接：https://pan.baidu.com/s/1JJs9vbZahUCB6cQvXLgAVg?pwd=1111
提取码：1111