一种改进的基于文档结构的文档相似性度量方法

发明专利有效专利

申请号：
CN200610072588.7
IPC分类号：G06F17/30;G06F17/27
申请日期：
2006-04-13
申请人：
北大方正集团有限公司;北京大学;北京北大方正技术研究院有限公司

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	一种改进的基于文档结构的文档相似性度量方法
申请号	CN200610072588.7	申请日期	2006-04-13
法律状态	授权	申报国家	中国
公开/公告日	2006-09-06	公开/公告号	CN1828610
优先权	暂无	优先权号	暂无
主分类号	G06F17/30 ? 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〕 G06F17/30 信息检索；及其数据库结构〔6〕	IPC分类号	G;0;6;F;1;7;/;3;0;;;G;0;6;F;1;7;/;2;7查看分类表>
申请人	北大方正集团有限公司;北京大学;北京北大方正技术研究院有限公司	申请人地址	北京市海淀区成府路298号方正大厦变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北大方正集团有限公司,北京大学,北京北大方正技术研究院有限公司	当前权利人	北大方正集团有限公司,北京大学,北京北大方正技术研究院有限公司
发明人	万小军;彭宇新;杨建武;吴於茜;陈晓鸥
代理机构	北京英赛嘉华知识产权代理有限责任公司	代理人	田明;王达佐

摘要

本发明涉及一种改进的基于文档子主题结构的文档相似性度量方法，属于语言的计算机处理和信息检索技术领域。针对传统相似性度量方法丢失了词语在文档各个部分的分布信息这个缺点以及利用最优匹配的基于文档子主题结构的方法只允许子主题之间一对一匹配的缺点。本发明所述的方法利用文档结构分析方法分别得到所述两个文档A和B的子主题结构，然后通过构建一个带权二部图G并根据求解线性规划的方法求解其货物运输距离EMD(A，B)，最后根据1-EMD(A，B)得到文档A和B之间的相似度值。本发明允许文档子主题之间在一定约束条件下进行多对多匹配，从而提高了文档相似性判断的准确度，同时，该方法具有更好的鲁棒性。

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