중복된 글, 비슷한 글.

나는 예전에 두 글자 단위(바이그램)로 두 글 사이의 비슷한 정도(상호 정보량)를 측정했던 적이 있다. 딱딱한 축하하는 글은 80% 이상 비슷해서 깜짝 놀랬다. 곰곰히 생각해보니, 블로그에도 적용 가능할 것 같다. 중복된 글은 당연히 서로 100% 닮았거나, 약간 고친 부분만 남아 90% 대를 육박할 터. 블로그의 포스팅에 '이 글과 중복된 글' 이 뜬다면 무슨 일이 일어날까? 아하핫. 재미있을 것 같다.

물론 '비슷한 글'들 목록도 나오면 그것도 나름 재미있겠지만, 이건 좀 힘들다. 사실, 주제어보다도 문체의 영향을 많이 받기 때문이다. 주제어만 떼어낼 수 있다면 좋을텐데. 주제어 목록을 가지고 있으면 될까? 이건 현실적으로 어렵다. 그럼, 반대로 문체를 가지고 있으면 될까? 오, 이거 괜찮은 생각이다. 문체를 떼어내면 주제어가 남는다. 이걸로 비슷한 글을 찾는다.

나름 구현 가능한 방법 아닐까? <- 취소 ^^;