一種計(jì)算漢語文檔哈希值的方法

基本信息

申請(qǐng)?zhí)?/td> CN202110941713.8 申請(qǐng)日 -
公開（公告）號(hào) CN113626554A 公開（公告）日 2021-11-09
申請(qǐng)公布號(hào) CN113626554A 申請(qǐng)公布日 2021-11-09
分類號(hào) G06F16/31（2019.01）I;G06F40/289（2020.01）I;G06F40/30（2020.01）I;G06F40/247（2020.01）I;G06K9/62（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 蔣遂平;袁曉光;李智文;鄭箘;姜志祥 申請(qǐng)（專利權(quán)）人 北京航天愛威電子技術(shù)有限公司
代理機(jī)構(gòu) 中國兵器工業(yè)集團(tuán)公司專利中心 代理人 辛海明
地址 100854北京市海淀區(qū)永定路51號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種計(jì)算漢語文檔哈希值的方法，屬于文檔處理領(lǐng)域。本發(fā)明從漢語文檔中分離出組成文檔的主要漢字，計(jì)算分離出的不同漢字在漢語文檔中的權(quán)重，計(jì)算文檔中不同漢字的哈希值，根據(jù)漢字在文檔中的權(quán)重和漢字哈希值，計(jì)算文檔的混合權(quán)重，根據(jù)文檔的混合權(quán)重，計(jì)算文檔的哈希值。本發(fā)明提出的計(jì)算漢語文檔哈希值的方法，計(jì)算簡單，并考慮了語義信息，相似漢語文檔的哈希值差異較小，不同漢語文檔的哈希值差異較大，能夠有效地區(qū)分不同文檔，在文檔大數(shù)據(jù)管理中具有重要的應(yīng)用價(jià)值。