[发明专利]一种检索相似文章的方法及装置有效
| 申请号： | 201810912017.2 | 申请日： | 2018-08-10 |
| 公开（公告）号： | CN109189824B | 公开（公告）日： | 2022-04-26 |
| 发明（设计）人： | 梁忠平;谢巍;赵剑波;杨棋;张宏毅;黄进;龚健;雷宁;孙坤建 | 申请（专利权）人： | 创新先进技术有限公司 |
| 主分类号： | G06F16/2458 | 分类号： | G06F16/2458 |
| 代理公司： | 北京众达德权知识产权代理有限公司 11570 | 代理人： | 刘杰 |
| 地址： | 开曼群岛大开曼岛*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种检索相似文章的方法，包括：获取目标文章；计算目标文章的simhash散列值；获取双亲森林数据模型；基于目标文章的simhash散列值，在双亲森林数据模型中检索与目标文章相似的文章。由于该双亲森林数据模型可以使得相似的文章集中在一棵树中，并返回相同的simhash散列值，这样在使用simhash方法时，可以方便进行相似文章去重，从而计算出相似文章的数量，并检索出这些相似文章。故而，解决了现有技术中在给定一篇文章时，无法基于simhash计算出与给定文章相似的文章的数量，并检索出这些相似文章的技术问题。 | ||
| 搜索关键词： | 一种 检索 相似 文章 方法 装置 | ||
【主权项】：
1.一种检索相似文章的方法，其特征在于，包括：获取目标文章；计算所述目标文章的simhash散列值；获取双亲森林数据模型；所述双亲森林数据模型由多棵树组成，其中，每一个叶子节点代表一篇文章的simhash散列值，每一个根节点代表整棵树的simhash散列值，任意两个根节点之间的simhash散列值的海明距离大于预设值，同一颗树上的任意两个节点的simhash散列值的海明距离小于等于所述预设值；基于所述目标文章的simhash散列值，在所述双亲森林数据模型中检索与所述目标文章相似的文章。
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创新先进技术有限公司，未经创新先进技术有限公司许可，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/201810912017.2/，转载请声明来源钻瓜专利网。
