[发明专利]一种多源数据文档实时快速去重方法及系统有效
| 申请号： | 201811456999.5 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109635084B | 公开（公告）日： | 2020-11-24 |
| 发明（设计）人： | 柴志伟;丑晓慧;许冠宇;宋乐安;许涵洋 | 申请（专利权）人： | 宁波深擎信息科技有限公司;上海深擎信息科技有限公司 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F40/284 |
| 代理公司： | 北京酷爱智慧知识产权代理有限公司 11514 | 代理人： | 邹成娇 |
| 地址： | 315200 浙江省宁波市镇海区*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于信息处理技术领域，具体涉及一种多源数据文档实时快速去重方法及系统，包括以下步骤：接收当前文档并对当前文档进行过滤，得到过滤后的文档数据；通过局部敏感性hash算法，计算出文档数据的特征字；根据特征字和文档数据，判断当前文档与数据库存储的之前文档是否相似；如果不相似，则将当前文档的特征字和文档数据存储到数据库，否则不存储。本发明能够对不同来源的相似的文档数据进行实时快速的去重处理，避免相似文档的重复存储。 | ||
| 搜索关键词： | 一种 数据 文档 实时 快速 方法 系统 | ||
【主权项】：
1.一种多源数据文档实时快速去重方法，其特征在于，包括以下步骤：接收当前文档并对当前文档进行过滤，得到过滤后的文档数据；通过局部敏感性hash算法，计算出文档数据的特征字；根据特征字和文档数据，判断当前文档与数据库存储的之前文档是否相似；如果不相似，则将当前文档的特征字和文档数据存储到数据库，否则不存储。
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宁波深擎信息科技有限公司;上海深擎信息科技有限公司，未经宁波深擎信息科技有限公司;上海深擎信息科技有限公司许可，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/201811456999.5/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
