今天参照“数字平台系统的二次开发体验（一）——数据导入批查重方案”试验了一边倒入一边查重。
{
方案照做之后，有的人(我就是)可能出现“找不到cfgs/dup”错误，解决办法如下：
1.打开dp2内核管理——dp2manager；
2.右键单击服务器节点，在弹出菜单中选择“在下级创建目录或文件”，创建目录名为cfgs；
3.右键单击cfgs目录，在弹出菜单中选择“在下级创建目录或文件”，创建文件名为dup；
4.右键单击dup，在弹出菜单中选择“编辑配置文件”；
5.输入内容如下：
<?xml version="1.0" encoding="utf-8"?>
<root>
<project name="编目查重" comment="编目查重">
<database name="你的书目库名" threshold="100">
<accessPoint name="责任者" weight="50" searchStyle="" />
<accessPoint name="ISBN" weight="80" searchStyle="" />
<accessPoint name="题名" weight="20" searchStyle="" />
</database>
</project>
<default origin="你的书目库名" project="编目查重" />
</root>
}
试验导入了一些数据，功能看起来是正常的，但是仔细检查之后，发现有些书目被“误杀”了，没有重复的却被当成重复书目舍弃了。如下图（右边是查重导入后的）。
如上图左边的1-5，责任者相同，而题名、ISBN不同，被当成重复的，2-5全被舍弃了。
6，7，题名、责任者相同，ISBN不同，200$h不同，被当成重复的，7被舍弃了。
如上两条书目是一套丛书中的不同单册，题名、ISBN均不相同，仅责任者相同，得分也不过50，怎么会被判重了呢，查重过程中我发现有的得分会有200多，而dup中责任者+题名+ISBN才150分，所以可能除了dup文件中设置的查重点，系统内还会有其他查重点，其他重复点得分值加上责任者的分值，可能就超过阀值了。
如上两条书目，题名、责任者相同，ISBN不同，200$h不同，被判重（判断错误），看到这里，我觉得算法中忽略了200$h的权重。
以上两条书目：题名、责任者相同，ISBN，200$h不同，被判不重（判断正确），这下我糊涂了，到底是忽略了200$h的权重还是没有呢？
谢老师，以上的结果让我产生了两点怀疑：
1.是不是我的软件配置有问题，我觉得应该不是，如果没配置好，软件应该不能正常查重。软件查重功能正常，而且大部分结果正确。
2.加权查重算法有问题。
如果是查重算法的问题，那它很难通过重新分配权值来解决，而是加权查重这种算法本身的问题了。就拿200$h来说，该分配给他多重的权值呢，可能一套书题名、责任者、ISBN完全相同，就是分卷不同，他们不能被判重，200$h这一项就超过了题名+责任者+ISBN，而如果给200$h分配了很高的权值，那么两套不同书而200$h相同的书，就有可能被判重了。
加权查重极有可能产生“人多势众”的结果，多个弱权重的加在一起超过了那个掌握真理的少数“人”；
加权查重也有可能产生“以权谋私”的结果，过大的单一掌权者说了算，就损害整体利益了。
拿第一组例子来说，题名不同的书有可能是重吗？应该不算是重吧！但是加权就可能给他判重。
ISBN相同，一定就相同吗？一套书的不同册共用ISBN，就不能判重，一个ISBN给80分，随便加上根稻草，就超过阀值了。
如此组合起来，恐怕结果是n多种，通过预设权值能解决吗？很难吧。是否可以通过多重机制判重呢，可能您已经做了，就是我不知道罢了。
如果不是我的问题的话，这样的查重结果很难令人接受。
如果是我的问题，造成了查重结果出错，麻烦老师指正。
我用的ISO文件一并传上来。
测试.iso
另外，重复数据我选择了保存成gb2312格式,可是打开一看却是UTF8的。