以下是引用hzh512在2010-5-10 08:28:08的发言：

推荐你看文本挖掘和模式识别。
文本的现在已经可以做了（因为你要求90%），百度的搜索引擎几乎全是这种文本挖掘和识别技术。

不知你用没用过 论文抄袭检测软件（反剽窃系统）这也是一种模式识别技术。

你可以去看这方面的，在论坛上这方面内容你应该发到数据挖掘论坛上去，那边有高手。