[发明专利]一种改进的基于文档结构的文档相似性度量方法有效
| 申请号： | 200610072588.7 | 申请日： | 2006-04-13 |
| 公开（公告）号： | CN1828610A | 公开（公告）日： | 2006-09-06 |
| 发明（设计）人： | 万小军;彭宇新;杨建武;吴於茜;陈晓鸥 | 申请（专利权）人： | 北大方正集团有限公司;北京大学;北京北大方正技术研究院有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 北京英赛嘉华知识产权代理有限责任公司 | 代理人： | 田明;王达佐 |
| 地址： | 100871北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种改进的基于文档子主题结构的文档相似性度量方法，属于语言的计算机处理和信息检索技术领域。针对传统相似性度量方法丢失了词语在文档各个部分的分布信息这个缺点以及利用最优匹配的基于文档子主题结构的方法只允许子主题之间一对一匹配的缺点。本发明所述的方法利用文档结构分析方法分别得到所述两个文档A和B的子主题结构，然后通过构建一个带权二部图G并根据求解线性规划的方法求解其货物运输距离EMD(A，B)，最后根据1－EMD(A，B)得到文档A和B之间的相似度值。本发明允许文档子主题之间在一定约束条件下进行多对多匹配，从而提高了文档相似性判断的准确度，同时，该方法具有更好的鲁棒性。 | ||
| 搜索关键词： | 一种 改进 基于 文档 结构 相似性 度量 方法 | ||
【主权项】：
1、一种改进的基于文档结构的文档相似性度量方法，该方法包括以下步骤：(1)对于待比较的两个文档A和B，利用文档结构分析方法分别得到所述两个文档A和B的子主题结构；(2)根据文档A和B的子主题结构信息构建一个带权二部图G，其中每个顶点带有自身的权重，任两个分属A和B的子主题之间利用传统相似性度量方法计算语义距离；(3)在建立的带权图G中，根据求解线性规划的方法求解其货物运输距离EMD(A，B)；(4)根据1-EMD(A，B)得到文档A和B之间的相似度值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北大方正集团有限公司;北京大学;北京北大方正技术研究院有限公司，未经北大方正集团有限公司;北京大学;北京北大方正技术研究院有限公司许可，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/patent/200610072588.7/，转载请声明来源钻瓜专利网。
