[发明专利]相似文档的判定方法和装置有效
| 申请号： | 201610176563.5 | 申请日： | 2016-03-24 |
| 公开（公告）号： | CN107229939B | 公开（公告）日： | 2020-12-04 |
| 发明（设计）人： | 于晓明;刘克松;蔡慧慧;张丹 | 申请（专利权）人： | 北大方正集团有限公司;北京北大方正电子有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F16/36;G06F16/35;G06F16/33 |
| 代理公司： | 北京同立钧成知识产权代理有限公司 11205 | 代理人： | 陶敏;刘芳 |
| 地址： | 100871 北京市海*** | 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： | 本发明提供一种相似文档的判定方法和装置，其中，该方法包括：对各文档进行分词处理，分别获取各文档中的各个关键词；统计各文档中的各关键词在所归属的文档中的词频，根据各文档中各关键词的词频，确定各文档中的各关键词的权重；根据各文档中的各关键词的权重，确定各文档中的各句子的权重；确定各文档中的各句子的哈希值；根据各文档中的各句子的权重和各句子的哈希值，确定各文档的向量空间；根据各文档的向量空间，确定各文档与所有文档中的其他文档之间的夹角余弦值；根据各文档与所有文档中的其他文档之间的夹角余弦值，确定各文档之间的相似度。较为准确的判断各文档是否相似，准确的判定出文档的相似度。 | ||
| 搜索关键词： | 相似 文档 判定 方法 装置 | ||
【主权项】：
一种相似文档的判定方法，其特征在于，包括：对各文档进行分词处理，分别获取各文档中的各个关键词；统计各文档中的各关键词在所归属的文档中的词频，根据各文档中各关键词的词频，确定各文档中的各关键词的权重；根据各文档中的各关键词的权重，确定各文档中的各句子的权重；确定各文档中的各句子的哈希值；根据各文档中的各句子的权重和各句子的哈希值，确定各文档的向量空间；根据各文档的向量空间，确定各文档与所有文档中的其他文档之间的夹角余弦值；根据各文档与所有文档中的其他文档之间的夹角余弦值，确定各文档之间的相似度。
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;北京北大方正电子有限公司，未经北大方正集团有限公司;北京北大方正电子有限公司许可，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/201610176563.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种图像文本的识别方法和装置
- 下一篇：数据伴随分析方法及装置
