文本匹配作为文字处理领域的一项热门技术,在查重检测、智能问答等领域有广泛的应用实践。目前,诸多学术不端行为,如论文剽窃、数据造假和内容恶意篡改,在高校和其它学术界越来越严重,许多学生通过同义词替换法、打乱语序排列法、语义重述法等主要方式来降低论文查重率。为解决上述问题,经过对已有文本比对算法的大量调研和分析,结合先进搜索引擎已具备文本精确匹配等强大功能的支撑,本文选取开源企业级搜索和数据分析引擎Elastic Search为研究基础,基于开源微服务框架Spring Cloud搭建系统平台,完成基于分布式Elastic Search文本相似内容比对算法研究与实现。本文主要研究内容如下:首先,针对TF-IDF未能反映词的重要程度和特征词的分布情况的问题,本文设计了基于Elastic Search搜索语法实现的文本加权融合算法。该算法利用POI文档处理器挖掘特殊位置文本,基于Elastic Search查询语法提高标题和段落首末句文本权重。其次,针对网络、社会环境中不断出现的网络流行词、新词及停用词在文本比对过程中对Elastic Search分词器分词工作带来的影响,本文研究并设计了一套分词器词库管理和热更新词典的解决方案,该方案保证随着新词的出现,分词器能正确进行分词工作。再次,针对自然语言预处理中经常涉及到的同义词替换导致的文本匹配失效问题,本文提出基于Elastic Search搭建同义词词库,同义词通过相连的概念来扩大搜索匹配范围,达到提高文本比对准确度的效果。利用Rabin Karp算法实现文本完全匹配预检测,以克服Elastic Search不支持识别文本完全匹配的缺陷。本文基于志愿者主观评价的实验方案,将系统评价结果与人工评价结果对比,本文研究的算法相似度比较结果与志愿者主观评价结果一致的比例达到了85.6%,而二者评价结果完全不一致的比例只有3%,这两项对比结果比例均优于“基于强类别特征的文本相似度计算及其性能评估”算法的对应对比结果（81.78%,5.52%）,表明本文研究的文本相似度比较算法在正确率和准确性上有较好的改进,能更好的应用于实际。