基于Django实现的（bert）深度学习文本相似度检测系统设计

基于Django实现的（bert）深度学习文本相似度检测系统设计

• 开发语言:Python

• 数据库：MySQL
• 所用到的知识：Django框架
• 工具：pycharm、Navicat、Maven

系统功能实现

1. 登录页面

注册页面：用户账号，密码，确认密码，用户姓名，联系方式

主页面：文件管理模块

上传功能

（3）批量删除文件夹功能，可选

（4）批量下载文件夹，可选

（5）搜索功能（文件夹）

（6）单独文件夹按钮下载

（7）收藏功能按钮

文件属性：下载按钮，编辑按钮（文本内增减删），删除按钮，收藏按钮，文本内容查询

文本查重模块

收藏模块；用户收藏的文件夹与文件：

任务栏属性：文本名称，作者名称，文件大小，修改日期，

文件夹属性：本文本查看，删除文件，修改文本内容，并保存修改的内容，下载文本

网页查重-（爬虫）：文本查重网页版 爬取百度搜索结果页全部链接内容

文本相似度的检测报告的pdf格式

检测报告的形成：pdf格式

检测报告内容是：1.可以打印，2.保存本地；

• 检测报告编号：数字和字母组成，6位数；
• 文本题目,作者，检测范围（互相被检测的文本题目）
• 检测时间，时间范围（有效时间用户自己输入的）
• 检测结果

1. 总文本总数相似度：12.6%
2. 本篇与第一个文章之间的相似度: 4.5%
3. 本篇与第二个文章之间的相似度: 3.5%
4. .................

• 统计出各个文本之间相似度的统计图，
• 原文内容与相似度来源的文本之间的对比列出，

以下图片参考：

检测报告的任务栏属性：文本名称，作者名，文件大小，报告生成时间，报告下载按钮，报告搜索框（按照文本名与作者），总文本相似度，报告删除按钮，

检测报告（pdf格式）以下的图片一比一还原，

检测报告内容是：1.可以打印，2.保存本地；

• 检测报告编号：数字和字母组成，6位数；
• 文本题目,作者，检测范围（互相被检测的文本题目）
• 检测时间，时间范围（有效时间用户自己输入的）
• 检测结果

1. 总文本总数相似度：12.6%
2. 本篇与第一个文章之间的相似度: 4.5%
3. 本篇与第二个文章之间的相似度: 3.5%
4. .................

• 统计出各个文本之间相似度的统计图，
• 原文内容与相似度来源的文本之间的对比列出，

以下图片参考：

检测报告的任务栏属性：文本名称，作者名，文件大小，报告生成时间，报告下载按钮，报告搜索框（按照文本名与作者），总文本相似度，报告删除按钮，

检测报告（pdf格式）以下的图片一比一还原，

8用户信息：看到个人的基本信息，上传个人图

需要源代码或者二次开发的，请联系