[发明专利]一种基于相似度的文本查重方法及系统在审
| 申请号： | 201711088752.8 | 申请日： | 2017-11-08 |
| 公开（公告）号： | CN107992470A | 公开（公告）日： | 2018-05-04 |
| 发明（设计）人： | 肖云;王闰强;胡松波;何洪波 | 申请（专利权）人： | 中国科学院计算机网络信息中心 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F17/30 |
| 代理公司： | 北京君尚知识产权代理事务所(普通合伙)11200 | 代理人： | 余长江 |
| 地址： | 100190 *** | 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： | 本发明提供一种基于相似度的文本查重方法，其步骤包括对待对比文本进行预处理；从文本数据库中筛选出与所述待对比文本的粗粒度相似度大于一相似候选集阈值的所有候选文本并组成相似候选集；以句子为分段单位，对所述待对比文本和所述候选文本进行分段；通过计算所述候选文本与所述待对比文本的TFIDF相似度、LDA相似度、doc2vec相似度和word2vec相似度来确定细粒度相似度；筛选出细粒度相似度超过一相似判定阈值的候选文本，确定其为所述待对比文本的相似文本，实现查重。本发明还提供一种基于相似度的文本查重系统，以实现上述方法。 | ||
| 搜索关键词： | 一种 基于 相似 文本 方法 系统 | ||
【主权项】：
一种基于相似度的文本查重方法，其步骤包括：对待对比文本进行预处理；从文本数据库中筛选出与所述待对比文本的粗粒度相似度大于一相似候选集阈值的所有候选文本并组成相似候选集；以句子为分段单位，对所述待对比文本和所述候选文本进行分段；通过计算所述候选文本与所述待对比文本的TFIDF相似度、LDA相似度、doc2vec相似度和word2vec相似度来确定细粒度相似度；筛选出细粒度相似度超过一相似判定阈值的候选文本，确定其为所述待对比文本的相似文本，实现查重。
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中国科学院计算机网络信息中心，未经中国科学院计算机网络信息中心许可，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/201711088752.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种可拆卸鼻托的VR眼镜
- 下一篇：显示模组及智能眼镜
