[發明專利]文本選取方法及裝置

有效

• 申請號: 201510030778.1
• 申請日: 2015-01-21
• 公開（公告）號: CN104615681B
• 公開（公告）日: 2019-04-02
• 發明（設計）人: 王煒;田旭;李媛媛
• 申請（專利權）人: 廣州神馬移動信息科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京展翼知識產權代理事務所(特殊普通合伙) 11452
• 代理人: 屠長存

1.一種文本選取方法，其特征在于，包括：

計算每個候選文本中選定質量特征的錯誤率，并根據每個候選文本中選定質量特征的錯誤率計算每個候選文本中對應選定質量特征的容忍度；

根據每個候選文本中選定質量特征的容忍度確定對應候選文本的文本質量；

計算每個候選文本的哈希值；

將所有候選文本兩兩組合，得到候選文本對；

計算每個候選文本對的哈希值的海明距離；

選取海明距離最小的候選文本對中的兩個候選文本作為參考文本；

選取與所述參考文本的海明距離小于設定閾值的候選文本和所述參考文本加入優勢組；以及

從所述優勢組中選取文本質量最高的候選文本提供給用戶。

2.如權利要求1所述的方法，其特征在于，計算每個候選文本中選定質量特征的錯誤率，具體包括：

針對每個候選文本，執行：

統計當前候選文本的每個選定質量特征的數量；

分別將統計的每個選定質量特征的數量除以所述當前候選文本的字符數量，得到所述當前候選文本的每個選定質量特征的實際占比率；

根據所述當前候選文本的每個選定質量特征的實際占比率計算所述當前候選文本的對應選定質量特征的錯誤率。

3.如權利要求2所述的方法，其特征在于，根據所述當前候選文本的每個選定質量特征的實際占比率計算所述當前候選文本的對應選定質量特征的錯誤率，具體包括：

通過下列公式計算選定質量特征的錯誤率：

選定質量特征的錯誤率＝選定質量特征的錯誤率的最大閾值(1-選定質量特征的實際占比率/選定質量特征的標準占比率)。

4.如權利要求2所述的方法，其特征在于，根據每個候選文本中選定質量特征的錯誤率計算每個候選文本中對應選定質量特征的容忍度，具體包括：

通過下列公式計算選定質量特征的容忍度：

選定質量特征的容忍度＝1-選定質量特征的錯誤率^(1/(選定質量特征的錯誤率+1))。

5.如權利要求1所述的方法，其特征在于，根據每個候選文本中選定質量特征的容忍度確定對應候選文本的文本質量，具體包括：

確定每個選定質量特征的權重；

根據每個選定質量特征的權重對每個候選文本中選定質量特征的容忍度加權求和得到對應候選文本的文本質量。

6.如權利要求1所述的方法，其特征在于，計算每個候選文本的哈希值，具體包括：

針對每個候選文本，執行：

將當前候選文本的正文按照設定符號分割，得到所述當前候選文本包括的語句；

計算所述當前候選文本包括的每個語句的哈希值；

綜合所述當前候選文本包括的每個語句的哈希值，得到所述當前候選文本的哈希值。

7.一種文本選取裝置，其特征在于，包括：

計算單元，用于計算每個候選文本中選定質量特征的錯誤率，并根據每個候選文本中選定質量特征的錯誤率計算每個候選文本中對應選定質量特征的容忍度；

確定單元，用于根據每個候選文本中選定質量特征的容忍度確定對應候選文本的文本質量；以及

選取單元，用于選取文本質量最高的候選文本提供給用戶，

其中，所述選取單元包括：

哈希值計算子單元，用于計算每個候選文本的哈希值；

優勢組確定子單元，用于根據每個候選文本的哈希值確定優勢組；以及

文本選取子單元，用于從所述優勢組中選取文本質量最高的候選文本提供給用戶，

其中，所述優勢組確定子單元包括：

組合子單元，用于將所有候選文本兩兩組合，得到候選文本對；

海明距離計算子單元，用于計算每個候選文本對的哈希值的海明距離；

參考文本選取子單元，用于選取海明距離最小的候選文本對中的兩個候選文本作為參考文本；以及

加入子單元，用于選取與所述參考文本的海明距離小于設定閾值的候選文本和所述參考文本加入所述優勢組。