Мы уже рассказывали вам об интересных статистиках текстов, делали обзор статей применений автокодировщиков в анализе текстов, удивляли нашими свежими алгоритмами поиска переводных заимствований и парафраза. Я решил продолжить нашу корпоративную традицию и, во-первых, начать статью с «Т», а во-вторых, рассказать:

• как быстро найти абзац текста среди сотен миллионов статей;
• во что превращается документ после загрузки в систему Антиплагиат, и что с этим делать дальше;
• как формируется отчет, который почти никто не смотрит, а стоило бы;
• как проиндексировать не все, но достаточно.

Антиплагиат в естественной среде, полетели

https://habr.com/post/429634/?utm_source=habrahabr&utm_medium=rss&utm_campaign=429634