一種文本去重方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN201810134643.3 申請日 -
公開（公告）號 CN108345586A 公開（公告）日 2018-07-31
申請公布號 CN108345586A 申請公布日 2018-07-31
分類號 G06F17/27 分類 計算；推算；計數(shù);
發(fā)明人 孫世通;劉德彬;萬杰;嚴(yán)開;陳瑋 申請（專利權(quán)）人 重慶電信系統(tǒng)集成有限公司
代理機(jī)構(gòu) 重慶中流知識產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 重慶譽存大數(shù)據(jù)科技有限公司;重慶電信系統(tǒng)集成有限公司
地址 401121 重慶市渝北區(qū)黃山大道中段53號附2號麒麟C座18層
法律狀態(tài) -

摘要

摘要 本發(fā)明提供一種文本去重方法，包括以下步驟，目標(biāo)文本數(shù)據(jù)預(yù)處理步驟；生成目標(biāo)文本正文局部敏感哈希值和目標(biāo)文本標(biāo)題局部敏感哈希值步驟；去重步驟。本發(fā)明針對網(wǎng)絡(luò)文本獨有的特性，在應(yīng)用SimHash算法的策略上做出調(diào)整，在以新聞文本背后事件為主體進(jìn)行去重時，獲得更優(yōu)效果與更高魯棒性。