[发明专利]一种文本去重方法及系统有效
| 申请号： | 201910925138.5 | 申请日： | 2019-09-27 |
| 公开（公告）号： | CN110737748B | 公开（公告）日： | 2023-08-08 |
| 发明（设计）人： | 唐远洋;罗镇权;刘世林;张发展;李焕;杨李伟;尹康;曾途 | 申请（专利权）人： | 成都数联铭品科技有限公司 |
| 主分类号： | G06F16/31 | 分类号： | G06F16/31;G06F40/284 |
| 代理公司： | 北京市领专知识产权代理有限公司 11590 | 代理人： | 张玲 |
| 地址： | 610015 四川省成都市自由贸易试验区*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种文本去重方法及系统，该方法包括步骤：计算出整个文本的哈希值，并将哈希值转换为二进制数，以及将所述二进制数转换为n维向量，n为大于1的整数；将该n维向量与已有的m×n的矩阵进行矩阵异或计算，并将每行的异或结果求和得到m×1的矩阵，m的矩阵中的一个元素即为一个海明距离；若m不等于0，则判断m个海明距离中最小的海明距离值是否小于设定的阈值，若小于则判断为重复文本，否则判断为非重复文本，并将该n维向量添加到矩阵中得到(m+1)×n维矩阵。本发明方法及系统通过将哈希值转换为矩阵的形式存储于数据库，只需要计算一次海明距离即可判别出是否为重复文本，大大提高了去重效率。 | ||
| 搜索关键词： | 一种 文本 方法 系统 | ||
【主权项】：
1.一种文本去重方法，其特征在于，包括以下步骤：/n计算出整个文本的哈希值，并将哈希值转换为二进制数，以及将所述二进制数转换为n维向量，n为大于1的整数；/n将该n维向量与已有的m×n的矩阵进行矩阵异或计算，并将每行的异或结果求和得到m×1的矩阵，矩阵中的一个元素即为一个海明距离；m为大于等于0的整数；/n若m等于0，则判断为非重复文本，并直接将该n维向量添加到矩阵中得到1×n维矩阵；若m不等于0，则判断m个海明距离中最小的海明距离值是否小于设定的阈值，若小于则判断为重复文本，否则判断为非重复文本，并将该n维向量添加到矩阵中得到(m+1)×n维矩阵。/n
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成都数联铭品科技有限公司，未经成都数联铭品科技有限公司许可，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/201910925138.5/，转载请声明来源钻瓜专利网。
