[发明专利]文本相似度的计算方法及系统、相似文本的查找方法及系统有效
| 申请号： | 201410270637.2 | 申请日： | 2014-06-17 |
| 公开（公告）号： | CN105224518B | 公开（公告）日： | 2020-03-17 |
| 发明（设计）人： | 刘健 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06F40/216 | 分类号： | G06F40/216;G06F40/289;G06F16/35 |
| 代理公司： | 北京派特恩知识产权代理有限公司 11270 | 代理人： | 王花丽;张颖玲 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例涉及计算机技术领域，公开了一种文本相似度的计算方法及系统、相似文本的查找方法及系统。其中，该文本相似度的计算方法包括：获取需要进行文本相似度计算的第一文本和第二文本；分别将第一文本、第二文本进行词汇分割，获得第一词汇集合和第二词汇集合；分别将所述第一词汇集合和所述第二词汇集合中的停用词删除，获得第三词汇集合和第四词汇集合；分别将所述第三词汇集合和所述第四词汇集合中的高频词汇提取出来组成第五词汇集合和第六词汇集合；根据所述第五词汇集合和第六词汇集合计算所述第一文本和所述第二文本。实施本发明实施例，可以提高文本相似度计算的准确度，提高相似文本查找的效率。 | ||
| 搜索关键词： | 文本 相似 计算方法 系统 查找 方法 | ||
【主权项】：
一种文本相似度的计算方法，其特征在于，包括：获取需要进行文本相似度计算的第一文本和第二文本；将所述第一文本进行词汇分割获得第一词汇集合，将所述第二文本进行词汇分割获得第二词汇集合；将所述第一词汇集合中的停用词删除获得第三词汇集合，将所述第二词汇集合中的停用词删除获得第四词汇集合；从所述第三词汇集合中提取高频词汇组成第五词汇集合，从所述第四词汇集合中提出高频词汇组成第六词汇集合；所述高频词汇为词频逆向文档频率TFIDFTFIDF值高于第一阈值的词汇；根据所述第五词汇集合以及第六词汇集合计算所述第一文本和所述第二文本的文本相似度。
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腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，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/201410270637.2/，转载请声明来源钻瓜专利网。
- 上一篇：自然语言中的自动问句检测
- 下一篇：一种智能变电站SCD文件的校验方法
