[发明专利]一种基于SIMHASH的文件相似度判定方法及系统在审
| 申请号： | 202110731030.X | 申请日： | 2021-06-29 |
| 公开（公告）号： | CN113407495A | 公开（公告）日： | 2021-09-17 |
| 发明（设计）人： | 代俊朴;王升平 | 申请（专利权）人： | 北京鼎普科技股份有限公司 |
| 主分类号： | G06F16/14 | 分类号： | G06F16/14;G06F16/23 |
| 代理公司： | 北京知呱呱知识产权代理有限公司 11577 | 代理人： | 丁彦峰 |
| 地址： | 100095 北京市*** | 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： | 本申请实施例公开了一种基于SIMHASH的文件相似度判定方法及系统，所述方法包括：提取待判断文件的文件消息，写入kafka；相似判定处理引擎对所述文件消息进行tika解析，得到tika解析结果；Simhash引擎对tika解析结果进行simhash计算，得到待判断文本的simhash值；将待判断文件的simhash值与样本库中样本的simhash值进行比较，得到海明距离；判断海明距离是否大于0，若是，则基于设定相似度判断所述待判断文件是否相似，若相似，则将结果写入hbase数据库，在样本库中更新样本状态，所述样本状态包括涉密和非涉密。基于SIMHASH精准的进行文件相似度判断，大大减少了人工判定的成本，也提高了保密处置效率。 | ||
| 搜索关键词： | 一种 基于 simhash 文件 相似 判定 方法 系统 | ||
【主权项】：
暂无信息
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鼎普科技股份有限公司，未经北京鼎普科技股份有限公司许可，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/202110731030.X/，转载请声明来源钻瓜专利网。
