[发明专利]一种基于结构和内容二级过滤的Web数据相似性检测方法在审
| 申请号： | 201410843460.0 | 申请日： | 2014-12-30 |
| 公开（公告）号： | CN104462582A | 公开（公告）日： | 2015-03-25 |
| 发明（设计）人： | 李石君;吴岳廷;范珊珊;张健;李宇轩 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 薛玲 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于结构和内容二级过滤的Web数据相似性检测方法，在传统的通用相似性检测方法的基础上，发掘出Web数据结构和内容分布的特点，对检测的文档集进行两级过滤；两级过滤中的第一级过滤是结构相似性过滤，对每个Web文档建模为Tag树结构，从而剔除在结构上不相似的文档集，并对剩余的文档进行关键内容抽取，将其表示成元组向量的形式，将关键信息连接起来生成字符串集；两级过滤中的第二级过滤则对第一级过滤后生成的字符串集进行Trie树结构建模，并对相似字符串进行连接，得到最终的结果。经过多次实验证明，采用本发明提出的方法能够显著提高web领域数据相似性检测的效果。 | ||
| 搜索关键词： | 一种 基于 结构 内容 二级 过滤 web 数据 相似性 检测 方法 | ||
【主权项】：
一种基于结构和内容二级过滤的Web数据相似性检测方法，其特征在于：在传统的通用相似性检测方法的基础上，发掘出Web数据结构和内容分布的特点，对检测的文档集进行两级过滤；两级过滤中的第一级过滤是结构相似性过滤，对每个Web文档建模为Tag树结构，从而剔除在结构上不相似的文档集，并对剩余的文档进行关键内容抽取，将其表示成元组向量的形式，将关键信息连接起来生成字符串集；两级过滤中的第二级过滤则对第一级过滤后生成的字符串集进行Trie树结构建模，并对相似字符串进行连接，得到最终的结果。
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武汉大学，未经武汉大学许可，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/201410843460.0/，转载请声明来源钻瓜专利网。
- 内容再现系统、内容提供方法、内容再现装置、内容提供装置、内容再现程序和内容提供程序
- 内容记录系统、内容记录方法、内容记录设备和内容接收设备
- 内容服务系统、内容服务器、内容终端及内容服务方法
- 内容分发系统、内容分发装置、内容再生终端及内容分发方法
- 内容发布、内容获取的方法、内容发布装置及内容传播系统
- 内容提供装置、内容提供方法、内容再现装置、内容再现方法
- 内容传输设备、内容传输方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容发送设备、内容发送方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容再现装置、内容再现方法、内容再现程序及内容提供系统
- 内容记录装置、内容编辑装置、内容再生装置、内容记录方法、内容编辑方法、以及内容再生方法
