山寨 CopyCat是开放源代码资源，可以使TREC风格的实验设置中的重复数据删除更容易实现，并提供（1）ClueWeb09，ClueWeb12和两个Common Crawl快照中近重复文档的汇编，以及（2）软件库启用任意文档集的重复数据删除。 大纲 （在软件的所有部分中使用） 入门 CopyCat软件带有一个以及一个并提供了一个支持jupyter笔记本的docker映像（+）。 要在安装了CopyCat并安装了本地目录的情况下启动bash shell，请运行 docker run --rm