一种检测文本重复的方法

发明专利有效专利

申请号：
CN201110029493.8
IPC分类号：G06F17/22
申请日期：
2011-01-27
申请人：
北京邮电大学

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	一种检测文本重复的方法
申请号	CN201110029493.8	申请日期	2011-01-27
法律状态	授权	申报国家	中国
公开/公告日	2011-06-01	公开/公告号	CN102081598A
优先权	暂无	优先权号	暂无
主分类号	G06F17/22 ? 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〕 G06F17/21 文本处理（G06F 17/27、G06F 17/28优先）〔6〕 G06F17/22 利用代码进行操作或寄存的，例如在文本字符的序列中的〔6〕	IPC分类号	G;0;6;F;1;7;/;2;2查看分类表>
申请人	北京邮电大学	申请人地址	北京市海淀区西土城路10号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京邮电大学	当前权利人	北京邮电大学
发明人	李蕾;聂洋;赵青
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

本发明公开了一种检测文本重复的方法：根据一文本中每一个词语的TF值及其是否在标题中出现得到该词语的权值，顺序从文本中取出权值最高的若干词语作为关键词集框架；对于得到关键词集框架的任意两篇文本，依次判断一篇文本关键词集框架中的每一个词语是否在另一篇文本的关键词集框架中，当该词语属于两篇文本的关键词集框架、且在两篇文本中的权值匹配时，将表征匹配程度的匹配值加1，直至一篇文本关键词集框架中最后一个词语，根据得到的匹配值得到两篇文本的相似度；根据相似度及一相似度阈值判断出两篇文本是否为重复的文本。应用本发明所述的检测文本重复的方法，能够有效地检测出信息重复的文本，提高在众多文本中查找有效信息的效率。

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