[发明专利]一种面向开源情报的文本去重方法在审
| 申请号： | 202311203184.7 | 申请日： | 2023-09-19 |
| 公开（公告）号： | CN116932526A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 刘婷 | 申请（专利权）人： | 天泽智慧科技（成都）有限公司 |
| 主分类号： | G06F16/215 | 分类号： | G06F16/215;G06F40/216;G06F40/242;G06F40/289;G06F40/30;G06F40/194;G06F16/35 |
| 代理公司： | 成都嘉企源知识产权代理有限公司 51246 | 代理人： | 何朝友 |
| 地址： | 610000 四川省成都市天府新区新兴街道精工东*** | 国省代码： | 四川;51 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种面向开源情报的文本去重方法，包括以下方法：建立开源情报文本集；建立专业领域词库基础集；建立临时扩展集；建立专业领域词库；利用通用词典和专业领域词库对开源情报文本集中的文本进行分词；计算文档j中非停用词的TFIDF值；将TFIDF值作为词汇i在文档j中的信息权重#imgabs0#；计算文档j的simhash特征向量、文本相似度以及文本信息量；对于任意文档，设定相似度阈值，与其相似度大于阈值的文档被认定为重复文档，对于这些重复文档，将元数据进行合并，选取文本信息量最大的文档保留，将合并后的元数据附加为保留文档的元数据。通过这种方式能够在去重时有效保留素材中的元数据，避免了由素材去重造成的信息丢失。 | ||
| 搜索关键词： | 一种 面向 情报 文本 方法 | ||
【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天泽智慧科技（成都）有限公司，未经天泽智慧科技（成都）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/202311203184.7/，转载请声明来源钻瓜专利网。
