一种用于海量文本快速相似搜索的方法

1.一种用于海量文本快速相似搜索的方法，包括以下步骤：
1)内容读取：读取查询文档的内容；
2)快速预选：利用重要特征快速排除绝大多数的不相关文档，获得小的 预选结果集；
3)相似计算：逐个计算预算结果与查询文档的相似度；
4)结果输出：按相似度选择结果并输出。
2.如权利要求1所述的一种用于海量文本快速相似搜索的方法，其特征 在于：在第2步所述的快速预选中通过事先建立索引以便加快预选过程。
3.如权利要求2所述的一种用于海量文本快速相似搜索的方法，其特征 在于：所述的索引是倒排索引。
4、如权利要求2所述的一种用于海量文本快速相似搜索的方法，其特征 在于：所述的索引是高维索引或多重索引。
5.如权利要求3所述的一种用于海量文本快速相似搜索的方法，其特征 在于：建立所述倒排索引的步骤包括：
1)特征分析：对查询文档进行分析，计算获得最重要的少数几个词作为 特征词以及其权重值；
2)条件生成：将特征词及其权重按逻辑运算组成检索条件；
3)内容检索：根据检索条件利用倒排索引对目标文档集进行检索。
6.如权利要求5所述的一种用于海量文本快速相似搜索的方法，其特征 在于：在步骤1)中采用关键词提取技术进行分析，获取特征词及其权重。
7.如权利要求5所述的一种用于海量文本快速相似搜索的方法，其特征 在于：在步骤1)中计算获得最重要的3至30个词作为特征词。
8.如权利要求5或6所述的一种用于海量文本快速相似搜索的方法，其 特征在于：在步骤2)中将特征词及其权重按“与”运算组成检索条件。
9.如权利要求8所述的一种用于海量文本快速相似搜索的方法，其特征 在于：在步骤4中通过考察两方面情况以便选取最后结果：最小相似度阈值 和相似度排序中的位置。
10.如权利要求1、2、3、4、5、6或7所述的一种用于海量文本快速相 似搜索的方法，其特征在于：在步骤4中通过考察两方面情况以便选取最后 结果：最小相似度阈值和相似度排序中的位置。

暂无