[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。