甄别抄袭文章如何用JAVA去实现？甄别算法

如何用JAVA实现两篇文章的相似度的甄别，有没有类似的例子或者书籍、论文？

---

linux下，grep一下。。

---

谷歌用SimHash做大量网页去重，适合大文本

---

没写过，不过个人觉着应该主要是字符串处理吧，优先看连续字符串匹配度，是不是还有模糊匹配啊，然后看有多少处，个人看法。。。