[发明专利]文本的查重方法、装置、电子设备及存储介质有效
| 申请号： | 201811501519.2 | 申请日： | 2018-12-07 |
| 公开（公告）号： | CN109710898B | 公开（公告）日： | 2023-02-03 |
| 发明（设计）人： | 韩忠明;莫倩;张海刚;许欢 | 申请（专利权）人： | 网智天元科技集团股份有限公司 |
| 主分类号： | G06F40/194 | 分类号： | G06F40/194;G06F40/284;G06F40/295 |
| 代理公司： | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人： | 张海洋 |
| 地址： | 850000 西藏自治区拉萨*** | 国省代码： | 西藏;54 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种文本的查重方法、装置、电子设备及存储介质，所述方法包括：对获取到的每个文本进行分词处理，获取与该文本对应的多个非实体词和多个实体词；将所述多个非实体词中在该文本中连续的至少两个非实体词划分为一个非实体词组，以及将在该文本中不连续的所有非实体词中每个非实体词划分为一个非实体词组，并将所述多个实体词中每个实体词划分为一个实体词组；基于两个文本的所述多个实体词组和所述多个非实体词组，获取用于表征所述两个文本相似度的度量值。将所述多个非实体词中在该文本中连续的至少两个非实体词划分为一个非实体词组，解决了在该文本中连续的至少两个非实体词词序发生变化时而导致文本相似度计算精度不高的问题。 | ||
| 搜索关键词： | 文本 方法 装置 电子设备 存储 介质 | ||
【主权项】：
1.一种文本的查重方法，其特征在于，所述方法包括：对获取到的每个文本进行分词处理，获取与该文本对应的多个非实体词和多个实体词；将所述多个非实体词中在该文本中连续的至少两个非实体词划分为一个非实体词组，以及将在该文本中不连续的所有非实体词中每个非实体词划分为一个非实体词组，并将所述多个实体词中每个实体词划分为一个实体词组；基于两个文本的所述多个实体词组和所述多个非实体词组，获取用于表征所述两个文本相似度的度量值。
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网智天元科技集团股份有限公司，未经网智天元科技集团股份有限公司许可，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/201811501519.2/，转载请声明来源钻瓜专利网。
