随着网络时代的飞速发展,网络知识版权问题备受关注,互联网领域的侵权行为日益突出,在版权意识愈来愈强的今天,主动寻求为原创内容进行版权保护的解决方案尤为重要。设计有效的版权保护系统一方面有助于保护社区平台优质原创内容的安全,另一方面为优秀的原创用户提供更优秀的产品体验功能,突出社区重视原创保护的理念,促进原创用户的社区粘性和创作动力。本学位论文从文本内容方面进行文本相似度算法在文本版权保护方面的研究,设计了在版权保护领域下文本相似度的计算方法。文本相似度算法表示采用一定的策略来比较两个文本之间的相似程度,目前文本相似度算法的研究主要有两个方向:一种是语义词典法,通过构建语义词典,将文本中的最佳关键字与词典进行匹配,通过计算匹配对的相似度来表示文本的相似度,另一种是用向量表示文本内容,通过构建空间向量模型,计算向量之间的夹角即两个向量的余弦相似值,从而得到文本的相似度。目前学术界对于版权保护有很多贡献,但在具体文本相似度匹配时往往忽略了文本的上下文语义,为了解决这一不足,本文采用了将Word2vec和LSTM相结合的方法对文本相似度进行分析,提高了文本相似度分析的准确率。以长短期记忆网络(LSTM)算法为基础,设计和实现基于特征值和特征向量的相似度计算方法。首先对语料库进行预训练,包括对文本进行预处理和特征工程,基于Word2vec构建词向量模型,为下一阶段的文本相似度计算模型提供准备。其次,对长短期记忆网络LSTM模型基于内容库语料进行训练和预测,检测句子对之间的相似性。最后设计版权保护系统,进行线上服务,对用户新发表的文章内容进行模型预测,通过返回句子之间的相似度并进行加和取平均计算文章的相似度,同时将原创内容实时更新到原创库中,并实时更新倒排索引库。通过大量对比实验,本系统所采用的基于Word2vec与LSTM的混合相似度计算策略在准确率等评价指标上均优于HowNet等计算方式,通过性能测评证明了本系统具有很好执行效率,对版权保护起到了一定作用。