一種相似新聞判別方法、系統(tǒng)及電子設(shè)備

基本信息

申請(qǐng)?zhí)?/td> CN201910695794.0 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN110399464A 公開(kāi)（公告）日 2019-11-01
申請(qǐng)公布號(hào) CN110399464A 申請(qǐng)公布日 2019-11-01
分類號(hào) G06F16/33（2019.01）I; G06F16/951（2019.01）I; G06F17/27（2006.01）I; G06K9/62（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 曾穎清 申請(qǐng)（專利權(quán)）人 廣州吉信網(wǎng)絡(luò)科技開(kāi)發(fā)有限公司
代理機(jī)構(gòu) 廣東翰銳律師事務(wù)所 代理人 廣州吉信網(wǎng)絡(luò)科技開(kāi)發(fā)有限公司
地址 510000 廣東省廣州市天河區(qū)東郊工業(yè)園路建工路8號(hào)3樓自編01號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及相似新聞判別方法、系統(tǒng)及電子設(shè)備，其兼顧判別的精確度和實(shí)時(shí)性。其步驟包括抓取步驟：對(duì)存量的新聞數(shù)據(jù)進(jìn)行分詞，對(duì)分詞后的詞語(yǔ)及其詞頻進(jìn)行統(tǒng)計(jì)后建立詞頻庫(kù)；計(jì)算步驟：對(duì)每篇新聞數(shù)據(jù)分別分詞并提取關(guān)鍵詞，根據(jù)所述詞頻庫(kù)分別計(jì)算所述關(guān)鍵詞的權(quán)重；根據(jù)計(jì)算步驟所述關(guān)鍵詞及所述關(guān)鍵詞的權(quán)重，計(jì)算每篇新聞數(shù)據(jù)的simhash值，并存入數(shù)據(jù)庫(kù)中；對(duì)所述simhash值建立數(shù)據(jù)結(jié)構(gòu)，和/或根據(jù)每篇新聞數(shù)據(jù)的simhash值進(jìn)行相似處理，將相似的新聞數(shù)據(jù)合并入所述數(shù)據(jù)結(jié)構(gòu)中，構(gòu)建或更新得到相似的新聞id列表。