[发明专利]一种基于语义相似性分析的技术文件相似性排查方法

权利要求书

1.一种基于语义相似性分析的技术文件相似性排查方法，其特征在于，从待分析的两份文件中各抽取一个关键词形成词语组合，结合罗列出的所有词语组合的相似度计算待分析的两份文件相似性评估值；

词语组合的相似度为其包含的两个关键词之间的相似度。

2.如权利要求1所述的基于语义相似性分析的技术文件相似性排查方法，其特征在于，步骤S2中，文件相似性计算模型为：

其中，为文件A中关键词Ai与与文件B中关键词Bj之间的相似度；1≤i≤n，n为文件A中提取的关键词的数量；1≤j≤m，m为文件B中提取的关键词的数量。

3.如权利要求2所述的基于语义相似性分析的技术文件相似性排查方法，其特征在于，包括以下步骤：

S1、分别对待分析的两份文件提取关键词，并罗列词语组合；

S2、计算每一个词语组合的相似度，并代入预设的文件相似性计算模型进行计算，获得待分析的两份文件相似性评估值。

4.如权利要求2所述的基于语义相似性分析的技术文件相似性排查方法，其特征在于，步骤S1具体为，确定待分析的两份文件所述技术领域，并根据技术领域选择关键词提取算法。

5.如权利要求4所述的基于语义相似性分析的技术文件相似性排查方法，其特征在于，步骤S1中，根据文件名称或者摘要筛选技术领域。

6.如权利要求5所述的基于语义相似性分析的技术文件相似性排查方法，其特征在于，确定待分析的两份文件所述技术领域的方法，具体包括以下步骤：

S11、根据文件名称分别获得待分析的两份文件的备选技术领域；

S12、判断待分析的两份文件的备选技术领域是否有重合；否，则执行步骤S14；

S13、是，则判断重合的备选技术领域是否多于一个；否，则将重合的备选技术领域作为最终筛选的技术领域；

S14、多于一个，则根据文件摘要分别获得待分析的两份文件的精选技术领域；

S15、获得重合的精选技术领域作为最终筛选的技术领域。

7.如权利要求1所述的基于语义相似性分析的技术文件相似性排查方法，其特征在于，根据预先设置的关键词提取算法对待分析的两份文件提取关键词。

8.如权利要求7所述的基于语义相似性分析的技术文件相似性排查方法，其特征在于，对待分析的两份文件提取关键词时采用相同的关键词提取算法。

9.如权利要求1所述的基于语义相似性分析的技术文件相似性排查方法，其特征在于，对文件提取关键词时，至少采用两种关键词提取算法进行提取，然后筛选重合的关键词作为最终提取的关键词。