[发明专利]中文文本相似度的确定方法和装置有效
| 申请号： | 201510850305.6 | 申请日： | 2015-11-27 |
| 公开（公告）号： | CN106815593B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 刘粉香 | 申请（专利权）人： | 北京国双科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F17/27 |
| 代理公司： | 11240 北京康信知识产权代理有限责任公司 | 代理人： | 韩建伟;张永明 |
| 地址： | 100083 北京市海淀区*** | 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： | 本申请公开了一种中文文本相似度的确定方法和装置。其中，该方法包括：将第一中文文本中的汉字转化为拼音，得到第一拼音文本，将第二中文文本中的汉字转化为拼音，得到第二拼音文本，按照汉语拼音的规则统计第一拼音文本中每种拼音单元的个数和第二拼音文本中每种拼音单元的个数，由第一拼音文本中每种拼音单元的个数生成第一特征向量，由第二拼音文本中每种拼音单元的个数生成第二特征向量，计算第一特征向量与第二特征向量的距离，根据距离确定第一中文文本与第二中文文本的相似度，其中，距离越小，第一中文文本与第二中文文本的相似度越高。本申请解决了现有技术难以有效识别因拼写错误造成的相似文本的技术问题。 | ||
| 搜索关键词： | 中文 文本 相似 确定 方法 装置 | ||
【主权项】：
1.一种中文文本相似度的确定方法，其特征在于，包括：/n将第一中文文本中的汉字转化为拼音，得到第一拼音文本，将第二中文文本中的汉字转化为拼音，得到第二拼音文本；/n按照汉语拼音的规则统计所述第一拼音文本中每种拼音单元的个数和所述第二拼音文本中每种拼音单元的个数；/n由所述第一拼音文本中每种拼音单元的个数生成第一特征向量，由所述第二拼音文本中每种拼音单元的个数生成第二特征向量；/n计算所述第一特征向量与所述第二特征向量的距离；/n根据所述距离确定所述第一中文文本与所述第二中文文本的相似度，其中，所述距离越小，所述第一中文文本与所述第二中文文本的相似度越高；/n其中，按照汉语拼音的规则统计所述第一拼音文本中每种拼音单元的个数和所述第二拼音文本中每种拼音单元的个数包括：将汉字中的一个声母作为一个拼音单元，一个韵母作为一个拼音单元，统计所述第一拼音文本中每种声母和每种韵母的个数以及所述第二拼音文本中每种声母和每种韵母的个数。/n
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京国双科技有限公司，未经北京国双科技有限公司许可，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/201510850305.6/，转载请声明来源钻瓜专利网。
- 上一篇：文本数据处理方法及装置和错别字识别方法及装置
- 下一篇：立体匹配方法及装置
