[发明专利]网络文本处理方法及装置有效
| 申请号： | 201410559608.8 | 申请日： | 2014-10-20 |
| 公开（公告）号： | CN104346443B | 公开（公告）日： | 2018-08-03 |
| 发明（设计）人： | 余德乐;陈俊宏;杨韬 | 申请（专利权）人： | 北京国双科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 北京康信知识产权代理有限责任公司 11240 | 代理人： | 李志刚;吴贵明 |
| 地址： | 100086 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： | 本发明公开了一种网络文本处理方法及装置。该网络文本处理方法包括：获取网络发布的第一网络文本和第二网络文本；计算第一网络文本与第二网络文本的相似度；判断相似度是否大于预设阈值；如果相似度大于预设阈值，则确定第一网络文本与第二网络文本存在转载关系；以及如果相似度不大于预设阈值，则确定第一网络文本与第二网络文本不存在转载关系。通过本发明解决了相关技术中无法确定未标识转载来源的网络文本的转载关系的问题，进而达到了提高网络文本传播路径分析的准确性的效果。 | ||
| 搜索关键词： | 网络 文本 处理 方法 装置 | ||
【主权项】：
1.一种网络文本处理方法，其特征在于，包括：获取网络发布的第一网络文本和第二网络文本；计算所述第一网络文本与所述第二网络文本的相似度；判断所述相似度是否大于预设阈值；如果所述相似度大于所述预设阈值，则确定所述第一网络文本与所述第二网络文本存在转载关系；以及如果所述相似度不大于所述预设阈值，则确定所述第一网络文本与所述第二网络文本不存在转载关系；其中，计算所述第一网络文本与所述第二网络文本的相似度包括：对所述第一网络文本进行分词，得到第一分词集合，对所述第二网络文本进行分词，得到第二分词集合；统计所述第一分词集合与所述第二分词集合中相同词语的个数；统计所述第一分词集合与所述第二分词集合中相同词语组合的个数，其中，相同词语组合中的组合词语的顺序相同；以及根据所述第一分词集合与所述第二分词集合中相同词语的个数和所述第一分词集合与所述第二分词集合中相同词语组合的个数计算所述第一网络文本与所述第二网络文本的相似度；其中，在获取网络发布的第一网络文本和第二网络文本之后，所述方法还包括：将所述第一网络文本和所述第二网络文本存储至目标数据库，在所述目标数据库中，还存储有所述第一网络文本的发布时间和发布网站以及所述第二网络文本的发布时间和发布网站；其中，在确定所述第一网络文本与所述第二网络文本存在转载关系之后，所述方法还包括：在所述目标数据库分别获取所述第一网络文本和所述第二网络文本的发布时间和发布网站；通过比较所述第一网络文本和所述第二网络文本的发布时间的先后，确定所述第一网络文本和所述第二网络文本的传播路径；其中，在获取网络发布的第一网络文本和第二网络文本之前，所述方法还包括：预先设定多个目标网站，其中，所述目标网站用于获取网络文本。
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/201410559608.8/，转载请声明来源钻瓜专利网。
- 上一篇：基于二进制程序的漏洞挖掘方法及装置
- 下一篇：网页上的私密数据的覆盖
