[发明专利]相同或相似文件的过滤方法有效
| 申请号： | 200810168236.0 | 申请日： | 2008-10-06 |
| 公开（公告）号： | CN101714147A | 公开（公告）日： | 2010-05-26 |
| 发明（设计）人： | 蔡弘扬;卓训学 | 申请（专利权）人： | 易搜比控股公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 11006 | 代理人： | 梁挥;祁建国 |
| 地址： | 开曼群岛大*** | 国省代码： | 开曼群岛;KY |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种相同或相似文件的过滤方法，包括：将多篇待过滤的文件以pat tree数据结构储存为pat tree数据结构文件(PT文件)，搜寻PT文件中连续字符长度达一低门坎值的所有字符串节点和这些字符串节点所属的所有文件，在这些文件中寻找连续字符内容相同，且相同的连续字符长度达到一高门坎值的文件；搜寻PT文件中连续字符长度达一低门坎值的所有字符串节点和这些字符串节点所属的所有文件，在这些文件中寻找连续字符内容相同，且相同的连续字符长度占原有文件内容总长度的比率达到一比率门坎值的文件，将这些文件标示为内容彼此相同或近似程度高的文件。可以对文件内容相同或是近似程度高的文件进行过滤，解决相同或近似文件大量重复的问题。 | ||
| 搜索关键词： | 相同 相似 文件 过滤 方法 | ||
【主权项】：
一种相同或相似文件的过滤方法，利用电子设备实施下列步骤，其可于多篇文件中找出文件内容彼此相同或是近似程度高的文件并予以做群集分类，其特征在于，该方法包括：(a)读取多篇待过滤的文件；(b)将多篇待过滤的文件的数据结构进行转换，并合并储存为预设的数据结构文件；(c)设定一低门坎值，表示连续字符长度的最小长度；(d)设定一高门坎值，表示连续字符长度；(e)搜寻该数据结构文件中连续字符长度达到该低门坎值的所有字符串节点(node I)，该字符串节点内储存有所出现的文件的文件编号(FID)；(f)将每一个被找出的该字符串节点(node I)内储存的该文件编号记录为一字符串群(G)；及(g)对该字符串群(G)中的全部文件编号(FID)所指向的文件设为第一类文件，以该字符串节点(node I)内所储存的字符串内容为前缀去寻找连续字符长度大于或等于该高门坎值的字符串节点(node I1)，若存在此字符串节点，将此连续字符长度大于或等于高门坎值的字符串节点所储存的字符串群(G1)皆标示为彼此相同或是近似程度高的文件。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于易搜比控股公司，未经易搜比控股公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200810168236.0/，转载请声明来源钻瓜专利网。
- 上一篇：废醋酸纤维丝束嘴棒下脚料中醋酸纤维的回收方法
- 下一篇：一种除草剂药害补救剂
