一種文本去重方法及系統(tǒng)

基本信息

申請(qǐng)?zhí)?/td> CN201810134643.3 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN108345586A 公開(kāi)（公告）日 2018-07-31
申請(qǐng)公布號(hào) CN108345586A 申請(qǐng)公布日 2018-07-31
分類(lèi)號(hào) G06F17/27 分類(lèi) 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 孫世通;劉德彬;萬(wàn)杰;嚴(yán)開(kāi);陳瑋 申請(qǐng)（專(zhuān)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(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 重慶譽(yù)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(hào)附2號(hào)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(duì)網(wǎng)絡(luò)文本獨(dú)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(shí)，獲得更優(yōu)效果與更高魯棒性。