[发明专利]导出文档相似性索引有效
| 申请号： | 201110440157.2 | 申请日： | 2011-12-15 |
| 公开（公告）号： | CN102436505A | 公开（公告）日： | 2012-05-02 |
| 发明（设计）人： | S·盖尔曼;K·慕克吉;A·普劳特 | 申请（专利权）人： | 微软公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海专利商标事务所有限公司 31100 | 代理人： | 陈斌 |
| 地址： | 美国华*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及导出文档相似性索引。本发明涉及用于导出文档相似性索引的方法、系统以及计算机程序产品。本发明的各实施例包括用于导出和更新多个文档的文档相似性索引的可扩展且高效的机制。所维护的相似性的数量可被控制来节省CPU和存储资源。 | ||
| 搜索关键词： | 导出 文档 相似性 索引 | ||
【主权项】：
一种在计算机系统上的用于导出多个文档(111)的文档相似性索引(127)方法，所述计算机系统包括一个或多个处理器和系统存储器，所述方法包括：访问文档(112)的动作；计算所述文档(112)的标签索引(113)的动作，所述标签索引(113)包括一个或多个关键词/权重对(114A/114B，116A/116B)，每一关键词/权重对将关键词(114A，116A)映射到该关键词的对应权重(114B，116B)以指示该关键词在所述文档(112)内的显著性；基于所述标签索引(117)中的权重(114B，116B)来标识所述文档中的指定数量的最显著的关键词的动作；对于所述指定数量的最显著关键词中的每一关键词，确定所述关键词在所述多个文档(111)中的每一文档(111A，111B，111C)中的对应权重的动作；基于所述指定数量的最显著关键词在所述多个文档中的对应权重从所述多个文档中标识多个候选文档的动作，所述文档中的所述指定数量的最显著关键词中的至少一些也是所述多个候选文档中的每一个中的显著关键词；对于所述多个候选文档中的每一候选文档，通过确定来自所述文档的附加关键词在所述候选文档内的权重来计算所述文档与所述候选文档之间的完全相似性(123)的动作；选择规定数量的候选文档的完全相似性(126)以包括在所述文档相似性索引(127)中来指示与所述文档相似的文档的动作，基于完全相似性计算并根据硬限制或明确阈值(124)之一来选择所述规定数量的候选文档的完全相似性(126)，所述硬限制或明确阈值对可被选择以包括在所述文档相似性索引中的候选文档的数量进行限制；以及对于所述规定数量的候选文档中包括的每一候选文档，将来自所述文档与所述候选文档之间的完全相似性的信息存储在所述文档相似性索引(127)中的动作。
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微软公司，未经微软公司许可，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/201110440157.2/，转载请声明来源钻瓜专利网。
