随着网络技术的发展与存储技术的提高，相似文本大量存在的现象越来越常见。将大规模数据中的相似文档检测出来，对于网络镜像，数据抽取，剽窃检测，垃圾邮件检测，语料库去重等有着重要的应用价值。在各种相似文档检测方法中，数字指纹算法是应用最多的一类算法。该算法速度快，正确率高，适用于海量数据的分析。本文中对数字指纹方法进行了详细的研究，并进行了改进。　　 本文的工作总结如下：　　 1.详细讨论了数字指纹类测试方法的各方面问题。包括文档分解策略，数字指纹选取策略和相似判别条件的确定。对实现具体的数字指纹方法具有参考价值。实现了两种不同的数字指纹方法，并对其结果进行对比。　　 2.对于较短的文本，数字指纹方法效果不是很好。本文针对这项缺陷进行了改进。文中提出了一种多层检测方法，采取数字指纹方法与压缩方法的结合来解决这一问题。实验数据表明，无论在正确率还是召回率上，多层检测算法的效果比数字指纹算法的结果都有所提高。