[发明专利]一种信息处理方法、装置、设备及存储介质

权利要求书

1.一种信息处理方法，其特征在于，包括：

获取待处理文本；

确定所述待处理文本与已存储文本之间的文本相似度；

基于所述待处理文本的发布时间和所述已存储文本的发布时间，对所述文本相似度进行修正，得到修正后的文本相似度；

在所述修正后的文本相似度大于或等于预设相似度阈值的情况下，将所述已存储文本作为所述待处理文本的相似文本。

2.根据权利要求1所述的方法，其特征在于，所述确定所述待处理文本与已存储文本之间的文本相似度，包括：

生成所述待处理文本的最小哈希签名；

计算所述待处理文本的最小哈希签名和所述已存储文本的最小哈希签名之间的汉明距离；

根据所述汉明距离确定所述文本相似度。

3.根据权利要求1所述的方法，其特征在于，所述基于所述待处理文本的发布时间和所述已存储文本的发布时间，对所述文本相似度进行修正，得到修正后的文本相似度，包括：

计算所述待处理文本的发布时间和所述已存储文本的发布时间之间的发布时间差；

确定所述发布时间差对应的时间衰减系数；

将所述文本相似度与所述时间衰减系数相乘，得到所述修正后的文本相似度。

4.根据权利要求3所述的方法，其特征在于，所述确定所述发布时间差对应的时间衰减系数，包括：

在所述发布时间差小于预设时间阈值的情况下，将预设衰减系数作为所述时间衰减系数；

在所述发布时间差大于或等于所述预设时间阈值的情况下，根据所述发布时间差和预设衰减速度参数计算所述时间衰减系数。

5.根据权利要求1所述的方法，其特征在于，所述已存储文本为目标文本类别的中心文本；

其中，在所述将所述已存储文本作为所述待处理文本的相似文本之后，所述方法还包括：

将所述待处理文本添加至所述目标文本类别中。

6.根据权利要求1所述的方法，其特征在于，在所述基于所述待处理文本的发布时间和所述已存储文本的发布时间，对所述文本相似度进行修正，得到修正后的文本相似度之后，所述方法还包括：

在所述修正后的文本相似度小于所述预设相似度阈值的情况下，将所述待存储文本作为新文本类别的中心文本。

7.根据权利要求1所述的方法，其特征在于，在所述将所述已存储文本作为所述待处理文本的相似文本之后，所述方法还包括：

在所述待处理文本存在多个所述相似文本的情况下，将最大的修正后的文本相似度对应的相似文本作为所述待处理文本的目标相似文本。

8.根据权利要求1所述的方法，其特征在于，在所述确定所述待处理文本与已存储文本之间的文本相似度之前，所述方法还包括：

确定所述待处理文本的信息摘要签名；

其中，所述确定所述待处理文本与已存储文本之间的文本相似度，包括：

在所述待处理文本的信息摘要签名与所述已存储文本的信息摘要签名不相同的情况下，确定所述待处理文本与已存储文本之间的文本相似度。

9.根据权利要求8所述的方法，其特征在于，所述已存储文本为目标文本类别的中心文本；

其中，在所述确定所述待处理文本的信息摘要签名之后，所述方法还包括：

在所述待处理文本的信息摘要签名与所述已存储文本的信息摘要签名相同的情况下，将所述待处理文本添加至所述目标文本类别中。

10.根据权利要求1所述的方法，其特征在于，在所述确定所述待处理文本与已存储文本之间的文本相似度之前，所述方法还包括：

确定待处理文本的文本长度；

其中，所述确定所述待处理文本与已存储文本之间的文本相似度，包括：

在确定所述待处理文本的文本长度与所述已存储文本的文本长度的长度差异值小于预设差值阈值的情况下，确定所述待处理文本与已存储文本之间的文本相似度。