[发明专利]文档相似度计算方法及相似文档全网检索跟踪方法在审
| 申请号： | 201610398902.4 | 申请日： | 2016-06-07 |
| 公开（公告）号： | CN106095737A | 公开（公告）日： | 2016-11-09 |
| 发明（设计）人： | 姚洲鹏 | 申请（专利权）人： | 杭州凡闻科技有限公司 |
| 主分类号： | G06F17/22 | 分类号： | G06F17/22;G06F17/27;G06F17/30 |
| 代理公司： | 浙江凯麦律师事务所 33218 | 代理人： | 王登远 |
| 地址： | 310003 浙江省杭州市下城*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种文档相似度计算方法及相似文档全网检索跟踪方法。本发明的目的是提供一种文档相似度计算方法及相似文档全网检索跟踪方法。本发明的技术方案是：一种文档相似度计算方法，其特征在于：S01、文档分解：对原创文档和目标文档分别进行切词处理，得到各自的分词集合；S02、预处理与特征加权：利用TF‑IDF技术对每个分词计算权重，提取核心关键词；利用Word2vec挖掘文档中不同分词之间的关联程度，对每篇文档进行语义分析；S03、向量空间模型与余弦相似度算法：利用向量空间中两个向量夹角的余弦值作为衡量两篇文档的相似程度，余弦值在0～1之间，余弦值越大说明两篇文档越相似。本发明适用于新闻资讯转载跟踪与传播力统计。 | ||
| 搜索关键词： | 文档 相似 计算方法 检索 跟踪 方法 | ||
【主权项】：
一种文档相似度计算方法，其特征在于：S01、文档分解：对原创文档和目标文档分别进行切词处理，得到各自的分词集合；S02、预处理与特征加权：利用TF‑IDF技术对每个分词计算权重，提取核心关键词；利用Word2vec挖掘文档中不同分词之间的关联程度，对每篇文档进行语义分析；S03、向量空间模型与余弦相似度算法：把原创文档和目标文档简化为两个以关键词权重为分量的N维向量；文档余弦相似度算法是基于向量模型，利用向量空间中两个向量夹角的余弦值作为衡量两篇文章的相似程度，余弦值在0～1之间，余弦值越大说明两篇文档越相似。
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杭州凡闻科技有限公司，未经杭州凡闻科技有限公司许可，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/201610398902.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种简便起油管器
- 下一篇：一种大理石抛光研磨的废水回收过滤装置
