[发明专利]基于相似度的数据信息储存方法及系统

说明书

公开了一种基于相似度的数据信息储存方法及系统。该方法可以包括：根据待储存信息，获得对应的概要字符串，并提取概要字符串的多个关键词；检索多个关键词，获得多个已知字符串；基于概要字符串分别与每一个已知字符串进行计算，获得已知字符串对应的相似度系数；设置相似度阈值，删除相似度系数小于相似度阈值的已知字符串，获得已知字符串集合；在已知字符串集合中，将相似度系数最大的已知字符串作为对比字符串；将对比字符串对应的所属领域作为待储存信息的所属领域。本发明通过对比概要字符串与已知字符串，分类关键词并计算相似性，将储存的信息分类，提升储存与查找的效率与精度。

技术领域

本发明涉及信息技术领域，更具体地，涉及一种基于相似度的数据信息储存方法及系统。

背景技术

大数据(big data)，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产，其具有5大特点：大量、高速、多样、价值、真实性。但是，目前的大数据查询多为人力手动，效率较低。因此，有必要开发一种基于相似度的数据信息储存方法及系统。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明提出了一种基于相似度的数据信息储存方法及系统，其能够通过对比概要字符串与已知字符串，分类关键词并计算相似性，将储存的信息分类，提升储存与查找的效率与精度。

根据本发明的一方面，提出了一种基于相似度的数据信息储存方法。所述方法可以包括：根据待储存信息，获得对应的概要字符串，并提取所述概要字符串的多个关键词；检索所述多个关键词，获得多个已知字符串；基于所述概要字符串分别与每一个所述已知字符串进行计算，获得所述已知字符串对应的相似度系数，设置相似度阈值，删除所述相似度系数小于所述相似度阈值的已知字符串，获得已知字符串集合；在所述已知字符串集合中，将相似度系数最大的已知字符串作为对比字符串；将所述对比字符串对应的所属领域作为所述待储存信息的所属领域。

优选地，每一个所述已知字符串包括至少一个所述关键词。

优选地，还包括：将所述多个关键词根据重要程度进行排序，并对每一个关键词赋予重点因子。

优选地，所述相似度系数为：

F_j＝∑A_iw_i (1)

其中，F_j表示第j个已知字符串的相似度系数，j取[1,M]，M表示已知字符串的个数，w_i表示该已知字符串与概要字符串相同的关键词，A_i表示该关键词对应的重点因子，i取[1,N]，N表示关键词的个数。

根据本发明的另一方面，提出了一种基于相似度的数据信息储存系统，其上存储有计算机程序，其中，所述程序被处理器执行时实现以下步骤：根据待储存信息，获得对应的概要字符串，并提取所述概要字符串的多个关键词；检索所述多个关键词，获得多个已知字符串；基于所述概要字符串分别与每一个所述已知字符串进行计算，获得所述已知字符串对应的相似度系数；设置相似度阈值，删除所述相似度系数小于所述相似度阈值的已知字符串，获得已知字符串集合；在所述已知字符串集合中，将相似度系数最大的已知字符串作为对比字符串；将所述对比字符串对应的所属领域作为所述待储存信息的所属领域。

优选地，每一个所述已知字符串包括至少一个所述关键词。

优选地，还包括：将所述多个关键词根据重要程度进行排序，并对每一个关键词赋予重点因子。

优选地，所述相似度系数为：