一种基于中文分词的文本相似性识别方法及装置

发明专利有效专利

申请号：
CN201210033600.9
IPC分类号：G06F17/27;G06F17/30
申请日期：
2012-02-15
申请人：
深圳市腾讯计算机系统有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于中文分词的文本相似性识别方法及装置
申请号	CN201210033600.9	申请日期	2012-02-15
法律状态	授权	申报国家	中国
公开/公告日	2013-08-21	公开/公告号	CN103257957A
优先权	暂无	优先权号	暂无
主分类号	G06F17/27 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/20 处理自然语言数据的（语言分析或综合入G10L）〔6〕 G06F17/27 自动分析的，例如语法分析、正射校正的〔6〕	IPC分类号	G;0;6;F;1;7;/;2;7;;;G;0;6;F;1;7;/;3;0查看分类表>
申请人	深圳市腾讯计算机系统有限公司	申请人地址	广东省深圳市南山区高新区高新南一路飞亚达大厦5-10楼变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	深圳市腾讯计算机系统有限公司	当前权利人	深圳市腾讯计算机系统有限公司
发明人	万波;曹训志;谢志远;陈盛荣;刘锐强
代理机构	北京德琦知识产权代理有限公司	代理人	谢安昆;宋志强

摘要

本发明实施例公开了一种基于中文分词的文本相似性识别方法，其特征在于，该方法包括：对给定编码格式的文本中不能识别的字符以及无意义字符进行过滤，得到预处理文本；按照预设的分词模式对所述预处理文本进行分词；按照预设的策略从所述分词得到的单词中选择特征词；对选择的特征词进行排序得到特征字符串，并根据所述特征字符串计算文本的特征值；通过比较文本的特征值，确定文本之间的相似性。本发明还公开了一种基于中文分词的文本相似性识别装置，该方法及装置可以降低识别复杂度，提高识别效率，同时达到较高的识别正确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供