[发明专利]一种快速文档相似度判定方法在审
| 申请号： | 201711363095.3 | 申请日： | 2017-12-18 |
| 公开（公告）号： | CN108052502A | 公开（公告）日： | 2018-05-18 |
| 发明（设计）人： | 王祝 | 申请（专利权）人： | 奕响（大连）科技有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 盘锦大工智讯专利代理事务所(特殊普通合伙) 21244 | 代理人： | 徐淑东;崔雪 |
| 地址： | 116000 辽宁省大连*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种快速文档相似度判定方法，选句：选取整篇文档10个最长的句子；分词：将每个句子拆分成基础词汇；词汇统计：将词汇通过hash函数计算各个特征向量的hash值，所述hash值设置为64位，将所有词汇重复的数量N记录，并建立数量*词汇的数据，即N*hash值；合并：将上述各个特征向量的加权结果累加，变成只有一个序列串；降维：对于累加结果，计算平均值，每个位置与平均值做对比，如果大于或等于则置1，否则置0，得到10个句子的序列串；对比：将两个文档的序列串进行对比，得到不同位数的个数；小于等于3，则判定为相似。 | ||
| 搜索关键词： | 一种 快速 文档 相似 判定 方法 | ||
【主权项】：
1.一种快速文档相似度判定方法，包括以下步骤：第一步，选句：选取整篇文档10个最长的句子；第二步，分词：将每个句子拆分成基础词汇；第三步，词汇统计：将词汇通过hash函数计算各个特征向量的hash值，所述hash值设置为64位，将所有词汇重复的数量N记录，并建立数量*词汇的数据，即N*hash值；第四步，合并：将上述各个特征向量的加权结果累加，变成只有一个序列串；第五步，降维：对于累加结果，计算平均值，每个位置与平均值做对比，如果大于或等于则置1，否则置0，得到10个句子的序列串；第六步，对比：将两个文档的序列串进行对比，得到不同位数的个数；小于等于3，则判定为相似。
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奕响（大连）科技有限公司，未经奕响（大连）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/patent/201711363095.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种医药器械智能消毒箱
- 下一篇：胫骨填充块假体及具有其的膝关节假体组件
