[發明專利]一種基于標題指紋與正文指紋實現相同新聞聚類的方法有效
| 申請號： | 201310538608.5 | 申請日： | 2013-11-04 |
| 公開（公告）號： | CN103699567A | 公開（公告）日： | 2014-04-02 |
| 發明（設計）人： | 王放 | 申請（專利權）人： | 北京中搜網絡技術股份有限公司 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30 |
| 代理公司： | 北京安博達知識產權代理有限公司 11271 | 代理人： | 徐國文 |
| 地址： | 100191 北京市海淀*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 標題 指紋 正文 實現 相同 新聞 方法 | ||
1.一種基于標題指紋與正文指紋實現相同新聞聚類的方法，其特征在于，所述方法包括：
（1）標題預處理；
（2）標題指紋計算；
（3）正文預處理；
（4）計算正文中切詞權重；
（5）在指紋庫中查找；
（6）將新資訊信息存入指紋庫；
（7）更新指紋庫處理。
2.如權利要求1所述的一種基于標題指紋與正文指紋實現相同新聞聚類的方法，其特征在于，所述步驟（1）包括去除標題中的噪音字符，將標題中全角字符轉為半角字符。
3.如權利要求1所述的一種基于標題指紋與正文指紋實現相同新聞聚類的方法，其特征在于，所述步驟（2）包括根據標題內容計算校驗和，取一個64bit的校驗和，當作標題指紋。
4.如權利要求1所述的一種基于標題指紋與正文指紋實現相同新聞聚類的方法，其特征在于，所述步驟（3）包括去除正文中的噪音字符，再進行歸一處理。
5.如權利要求1所述的一種基于標題指紋與正文指紋實現相同新聞聚類的方法，其特征在于，所述步驟（4）包括取權重最大的前M個作為核心詞，取權重次大的前N個作為描述詞。
6.如權利要求1所述的一種基于標題指紋與正文指紋實現相同新聞聚類的方法，其特征在于，所述步驟（4）包括分別對M個核心詞和N個描述詞排序。
7.如權利要求1所述的一種基于標題指紋與正文指紋實現相同新聞聚類的方法，其特征在于，所述步驟（5）包括
標題指紋相同的資訊，則本篇資訊文檔與之相同；
標題指紋不同的資訊，判斷其核心詞與描述詞是否相似。
8.如權利要求1所述的一種基于標題指紋與正文指紋實現相同新聞聚類的方法，其特征在于，所述步驟（6）包括新資訊與指紋庫中資訊均不匹配，則為新資訊分配一個內容指紋。
9.如權利要求1所述的一種基于標題指紋與正文指紋實現相同新聞聚類的方法，其特征在于，所述步驟（7）包括新資訊與指紋庫中某一資訊類似，但二者正文并不相似則只在指紋庫中保存新資訊的標題指紋，并不保存其正文。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京中搜網絡技術股份有限公司，未經北京中搜網絡技術股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201310538608.5/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：基于關鍵特征的大規模編目模版遷移方法及系統
- 下一篇：一種干氣密封的擋油裝置
