[发明专利]一种基于机器学习的版权追踪方法在审
| 申请号： | 201811532787.0 | 申请日： | 2018-12-14 |
| 公开（公告）号： | CN109635090A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 王泽 | 申请（专利权）人： | 安徽中船璞华科技有限公司 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F16/951;G06F21/10 |
| 代理公司： | 上海精晟知识产权代理有限公司 31253 | 代理人： | 冯子玲 |
| 地址： | 230000 安徽省合肥市高新区习友路333*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 版权追踪 搜索结果 相似度 基于机器 发布 录入 网页 关键字匹配 互联网网站 互联网文章 相似度判断 爬虫 版权侵犯 比较算法 方便操作 神经网络 输入参数 搜索引擎 算法模型 文本内容 文章内容 文章主题 语义分析 主题模型 可信度 准确率 算法 学习 网络 | ||
1.一种基于机器学习的版权追踪方法，其特征在于，包括如下步骤：
步骤一：构件神经网络主题模型，利用TF-IDF算法与TextRank算法相结合，通过对用户录入文章的语义分析提取关键词；
步骤二：将所述关键词作为搜索引擎的输入参数，获取搜索结果集；
步骤三：通过爬虫算法，获取所述搜索结果集中搜索结果对应网页中的目标文章；
步骤四：通过Word2Vec算法模型计算网页中的所述目标文章与用户录入文章内容的相似度。
2.根据权利要求1所述的一种基于机器学习的版权追踪方法，其特征在于，步骤一中具体过程如下：
通过对所述录入文章的内容分词，根据词性获取录入文章的候选关键词；
根据大规模语料学习得到主题模型，计算所述录入文章的主题分布和候选词分布；
计算录入文章的主题和候选关键词的主题相似度并排序；
按照主题相似度由高到低选取相似度较高的若干个作为关键词。
3.根据权利要求1所述的一种基于机器学习的版权追踪方法，其特征在于，步骤三还包括如下过程：
通过训练获取一个分类器，用于提取目标信息；
其中，进行目标信息提取时，剔除HTML中的广告和附加信息。
4.根据权利要求1所述的一种基于机器学习的版权追踪方法，其特征在于，步骤四包括如下过程：
基于keras的深暹罗双向LSTM网络，采用字嵌入来捕获短语/句子相似性；通过计算两个词向量的余弦值计算对应与两个词向量对应的词语的相似度。
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安徽中船璞华科技有限公司，未经安徽中船璞华科技有限公司许可，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/pat/books/201811532787.0/1.html，转载请声明来源钻瓜专利网。
