[发明专利]文本去重方法、装置和电子设备在审
| 申请号： | 202111618080.3 | 申请日： | 2021-12-27 |
| 公开（公告）号： | CN114417102A | 公开（公告）日： | 2022-04-29 |
| 发明（设计）人： | 张洵;刘青松;刘博伟;彭辉 | 申请（专利权）人： | 北京清格科技有限公司 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951;G06F40/194;G06F40/216;G06F40/289;G06F16/903 |
| 代理公司： | 泰和泰律师事务所 51219 | 代理人： | 祝海燕 |
| 地址： | 100034 北京市西*** | 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： | 本公开实施例公开了文本去重方法、装置和电子设备。该方法的一具体实施方式包括：获取待去重网页集合；针对待去重网页集合中的每个待去重网页，从该待去重网页的网页数据中提取网页特征，利用该待去重网页的网页标题和网页正文，基于向量空间哈希算法和最小公共子串匹配算法，确定候选网页集合中是否存在与该待去重网页相似的网页，若存在，则对该待去重网页的相似标志位进行设置；利用相似标志位，对待去重网页集合中的待去重网页进行分组；基于网页特征，从每组待去重网页中选取目标网页，删除目标网页之外的其他网页，得到去重后的网页集合。该实施方式在提高网页文本去重效果的同时，提升了去重效率，节省内存。 | ||
| 搜索关键词： | 文本 方法 装置 电子设备 | ||
【主权项】：
暂无信息
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清格科技有限公司，未经北京清格科技有限公司许可，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/202111618080.3/，转载请声明来源钻瓜专利网。
