[发明专利]一种文本去重方法和装置有效
| 申请号： | 201710225086.1 | 申请日： | 2017-04-07 |
| 公开（公告）号： | CN107025218B | 公开（公告）日： | 2021-03-02 |
| 发明（设计）人： | 许维;钟黎;王励;刘黎春 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F40/30;G06F16/31 |
| 代理公司： | 深圳翼盛智成知识产权事务所(普通合伙) 44300 | 代理人： | 黄威 |
| 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： | 本发明实施例公开了一种文本去重方法和装置；本发明实施例采用获取文本集合，该文本集合包括多个待去重文本，然后，针对每个待去重文本，从待去重文本中截取相应的子文本串，在该文本集合中确定具有相同子文本串的待去重文本，得到每种子文本串对应的子文本集合，分别对每种子文本串对应的子文本集合进行文本去重处理，得到每种子文本串对应的去重后文本集合，根据每种子文本串对应的去重后文本集合，获取该文本集合去重后的结果文本集合；该方案可以极大地降低去重过程中需要两两比较的文本数量，降低文本去重的时间复杂度，从而提高文本去重效率。 | ||
| 搜索关键词： | 一种 文本 方法 装置 | ||
【主权项】：
一种文本去重方法，其特征在于，包括：获取文本集合，所述文本集合包括多个待去重文本；针对每个待去重文本，从待去重文本中截取相应的子文本串；在所述文本集合中确定具有相同子文本串的待去重文本，得到每种子文本串对应的子文本集合；分别对每种子文本串对应的子文本集合进行文本去重处理，得到每种子文本串对应的去重后文本集合；根据每种子文本串对应的去重后文本集合，获取所述文本集合去重后的结果文本集合。
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/201710225086.1/，转载请声明来源钻瓜专利网。
- 上一篇：数据处理方法和装置
- 下一篇：一种基于内部语义层次结构的词嵌入表示方法
