[发明专利]文本相似性比较方法及系统在审
| 申请号： | 201210142651.5 | 申请日： | 2012-05-09 |
| 公开（公告）号： | CN103389987A | 公开（公告）日： | 2013-11-13 |
| 发明（设计）人： | 高峰 | 申请（专利权）人： | 阿里巴巴集团控股有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/22 |
| 代理公司： | 上海浦一知识产权代理有限公司 31211 | 代理人： | 王江富 |
| 地址： | 大开曼资本*** | 国省代码： | 开曼群岛;KY |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 文本 相似性 比较 方法 系统 | ||
1.一种文本相似性比较方法，其特征在于，包括以下步骤，
一.提取各待分析文件的各特征向量及各特征向量的值；
二.将各待分析文件的特征向量进行削峰处理，即将各待分析文件的特征向量按值的大小分别排序，分别将各待分析文件的排序最高的一个或多个特征向量移除；
三.根据经削峰处理后的各待分析文件的各特征向量的值，得到各待分析文件间的相似度。
2.根据权利要求1所述的文本相似性比较方法，其特征在于，采用TF-IDF方式，提取各个待分析文件的各特征向量及各特征向量的值。
3.根据权利要求1所述的文本相似性比较方法，其特征在于，采用余弦相似性计算方法，根据经削峰处理后的各待分析文件的各特征向量的值，得到各待分析文件间的相似度。
4.一种文本相似性比较系统，其特征在于，包括
一文件特征向量提取模块，用于提取各待分析文件的各特征向量及各特征向量的值；
一削峰处理模块，用于将各待分析文件的特征向量进行削峰处理，即将各待分析文件的特征向量按值的大小分别排序，分别将各待分析文件的排序最高的一个或多个特征向量移除；
一相似度分析模块，用于根据经削峰处理后的各待分析文件的各特征向量的值，得到各待分析文件间的相似度。
5.根据权利要求4所述的文本相似性比较系统，其特征在于，
所述文件特征向量提取模块，采用TF-IDF方式，提取各个待分析文件的各特征向量及各特征向量的值。
6.根据权利要求4所述的文本相似性比较系统，其特征在于，
所述相似度分析模块，采用余弦相似性计算方法，根据经削峰处理后的各待分析文件的各特征向量的值，得到各待分析文件间的相似度。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司，未经阿里巴巴集团控股有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201210142651.5/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种高频低损耗软磁铁氧体磁芯材料及其制备方法
- 下一篇：早实薄皮核桃芽接方法
