龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：智慧眼科技股份有限公司
摘要：本发明公开了一种重复文档检测方法、装置及相关设备，所述方法包括：获取待检测文档Xi；计算所述待检测文档Xi的simhash文档指纹Fi；根据所述simhash文档指纹Fi，生成候选文档指纹集合Ci，所述候选文档指纹集合Ci包括至少一个文档指纹Fi对应的位翻转指纹；计算待检测文档Xi与所述候选文档指纹集合Ci中每个候选文档指纹的jaccard距离；根据所述jaccard距离输出所述待检测文档Xi的检测结果。采用本发明可以提高重复文档的检测效率和准确性。
主权项：1.一种重复文档检测方法，其特征在于，所述方法包括：获取待检测文档Xi；对所述待检测文档Xi进行特征切分，得到文本块特征集Fitext，计算所述文本块特征集Fitext中每个文本块的权重Wij；利用哈希函数计算所述文本块特征集Fitext中每个文本块的哈希特征Fihash，并将所述哈希特征Fihash和所述Wij进行合并、加权、降维得到所述待检测文档Xi的simhash文档指纹Fi；根据所述待检测文档Xi的simhash文档指纹Fi、所述哈希特征Fihash及所述哈希特征Fihash对应的权重Wij，计算所述待检测文档Xi的simhash文档指纹Fi中每个比特位的位翻转概率Pij;设置海明距离阈值，并基于所述海明距离阈值和所述位翻转概率Pij，确定所述待检测文档Xi的simhash文档指纹Fi对应的位翻转数量小于等于所述海明距离阈值的位翻转指纹集合Ctotal；计算所述位翻转指纹集合Ctotal中每个位翻转指纹与所述待检测文档Xi的simhash文档指纹Fi近似重复概率值，并按照所述概率值的大小顺序将所述位翻转指纹集合Ctotal中的位翻转指纹进行降序排列，将排列靠前的k个位翻转指纹作为候选文档指纹集合Ci；计算待检测文档Xi与所述候选文档指纹集合Ci中每个候选文档指纹的jaccard距离；根据所述jaccard距离输出所述待检测文档Xi的检测结果。
全文数据：
权利要求：
百度查询： 智慧眼科技股份有限公司 一种重复文档检测方法、装置及相关设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号