[发明专利]一种网络小说内容近似度比对方法

权利要求书

1.一种网络小说内容近似度比对方法，其特征在于，包括：

预处理步骤：对待比对网络小说进行预处理，提取关键词，将关键词进行同义词替换，以形成规范化网络小说；

特征指纹提取步骤：将待比对网络小说中的拆分为多组临近有序词，并对每一组临近有序词进行哈希运算形成的哈希表作为特征指纹；以及

特征指纹比对步骤：将所述特征指纹与特征比对库中存储的现有网络小说的特征指纹相比较，以两者的特征指纹相同的数目或比率来确定待比对网络小说与现有网络小说的近似度。

2.根据权利要求1所述的网络小说内容近似度比对方法，其特征在于，还包括：

第一类型特征向量提取步骤：将待比对网络小说以词条进行分解，去除出现的高频词和低频词，然后按照出现频率进行排序，以形成第一类型特征向量；

第一类型特征向量比对步骤：将所述第一类型特征向量与特征比对库中存储的现有网络小说的第一类型特征向量相比较，以两者的词条相同的数目或比率来确定待比对网络小说与现有网络小说的近似度。

3.根据权利要求1所述的网络小说内容近似度比对方法，其特征在于，还包括：

第二类型特征向量提取步骤：将待比对网络小说进行概念抽取，并与其位置信息一起构成第二类型特征向量；

第二类型特征向量比对步骤：将所述第二类型特征向量与特征比对库中存储的现有网络小说的第二类型特征向量相比较，以两者的近似度来确定待比对网络小说与现有网络小说的近似度。

4.根据权利要求1至3中任意一项所述的网络小说内容近似度比对方法，其特征在于，所述预处理步骤进一步包括：

设定待比对网络小说的关键词；

提取所述关键词的等价关系集合和包含关系集合，所述关键词设定为根关键词，其包含关系集合中的关键词设定为叶子关键词；

替换步骤：在所述待比对网络小说中，用所述关键词替换其等价关系集合和包含关系集合中的全部元素关键词，以形成规范化网络小说。

5.根据权利要求4所述的网络小说内容近似度比对方法，其特征在于，在所述替换步骤中：先对叶子关键词进行替换，然后对根关键词进行替换。

6.根据权利要求1所述的网络小说内容近似度比对方法，其特征在于，进一步包括：如果该待比对网络小说与特征比对库中的网络小说的近似度低于一阈值，则将该待比对网络小说的特征指纹增量加入到该特征比对库中。

7.根据权利要求2所述的网络小说内容近似度比对方法，其特征在于，进一步包括：如果该待比对网络小说与特征比对库中的网络小说的近似度低于一阈值，则将该待比对网络小说的第一类型特征向量加入到该特征比对库中。

8.根据权利要求3所述的网络小说内容近似度比对方法，其特征在于，进一步包括：如果该待比对网络小说与特征比对库中的网络小说的近似度低于一阈值，则将该待比对网络小说的第二类型特征向量加入到该特征比对库中。

9.根据权利要求4所述的网络小说内容近似度比对方法，其特征在于，所述预处理步骤还包括：去除待比对网络小说的非内容信息，包括格式信息和版本信息。