[发明专利]一种网页文本相似度的计算方法和装置有效
| 申请号： | 201910203967.2 | 申请日： | 2019-03-18 |
| 公开（公告）号： | CN109918624B | 公开（公告）日： | 2022-10-04 |
| 发明（设计）人： | 胡聪聪;刘智朋;陈炜鹏;许静芳 | 申请（专利权）人： | 北京搜狗科技发展有限公司 |
| 主分类号： | G06F40/194 | 分类号： | G06F40/194;G06F16/35 |
| 代理公司： | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人： | 王仲凯 |
| 地址： | 100084 北京市海淀区中关*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例公开了一种网页文本相似度的计算方法，在计算网页文本相似度时，获取各网页文本对应的关键词，构建每个网页文本与对应关键词的映射关系表。分别以映射关系表中每个关键词作为目标关键词，确定目标关键词对应的网页文本集合。将网页文本集合中所属预设主题相同的网页文本聚类至同一网页文本子集，得到目标关键词对应的至少一个网页文本子集。计算每个网页文本子集中任两个网页文本之间的相似度。通过将根据关键词对网页文本进行初步聚类，以及根据网页文本所属预设主题对网页文本进行最终聚类相结合，在减少相似度计算量的基础上，提高了网页文本聚类的准确性，进而提高网页文本相似度计算的准确性，改善相似网页文本识别的准确率。 | ||
| 搜索关键词： | 一种 网页 文本 相似 计算方法 装置 | ||
【主权项】：
1.一种网页文本相似度的计算方法，其特征在于，所述方法包括：获取网页文本数据库中各个网页文本对应的关键词，构建每个网页文本与对应关键词的映射关系表；分别以映射关系表中的每个关键词作为目标关键词，确定所述目标关键词对应的网页文本集合；所述目标关键词对应的网页文本集合包括所述目标关键词对应的网页文本；针对所述目标关键词对应的网页文本集合，将所述网页文本集合中所属预设主题相同的网页文本聚类至同一网页文本子集，得到所述目标关键词对应的至少一个网页文本子集；对所述目标关键词对应的至少一个网页文本子集，计算每个网页文本子集中任两个网页文本之间的相似度，得到所述目标关键词对应的网页文本之间的相似度。
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北京搜狗科技发展有限公司，未经北京搜狗科技发展有限公司许可，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/201910203967.2/，转载请声明来源钻瓜专利网。
