[發(fā)明專利]一種相似文章查找方法、裝置、設(shè)備及存儲介質(zhì)有效
| 申請?zhí)枺?/td> | 201710817664.0 | 申請日： | 2017-09-12 |
| 公開（公告）號： | CN107609106B | 公開（公告）日： | 2020-10-30 |
| 發(fā)明（設(shè)計）人： | 羅歡;權(quán)圣 | 申請（專利權(quán)）人： | 馬上消費金融股份有限公司 |
| 主分類號： | G06F16/33 | 分類號： | G06F16/33;G06F16/31 |
| 代理公司： | 北京銀龍知識產(chǎn)權(quán)代理有限公司 11243 | 代理人： | 許靜;張博 |
| 地址： | 401121 重慶市渝北區(qū)*** | 國省代碼： | 重慶;50 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 相似 文章 查找 方法 裝置 設(shè)備 存儲 介質(zhì) | ||
1.一種相似文章查找方法，其特征在于，包括：
接收針對目標文章的相似文章的查找請求；
通過標題查找方式利用所述目標文章的標題查找所述目標文章的相似文章，獲得所述目標文章的第一相似文章集合；
通過哈希算法計算所述目標文章的內(nèi)容對應(yīng)的哈希值；
確定所述哈希值的可用子部分；
利用搜索引擎搜索每一所述可用子部分查找所述目標文章的相似文章，獲得所述目標文章的第四相似文章集合；
分別計算所述目標文章的所述可用子部分與所述第四相似文章集合中每篇文章對應(yīng)的可用子部分的漢明距離；
提取漢明距離小于預(yù)設(shè)第二閾值的文章，獲得所述目標文章的第二相似文章集合；
合并所述第一相似文章集合與所述第二相似文章集合，獲得所述目標文章的相似文章結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述接收針對目標文章的相似文章的查找請求之后、所述通過標題查找方式利用所述目標文章的標題查找所述目標文章的相似文章，獲得所述目標文章的第一相似文章集合之前，還包括：
對所述目標文章的標題進行第一預(yù)處理操作，獲得進行所述第一預(yù)處理操作后的所述目標文章的標題。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述通過標題查找方式利用所述目標文章的標題查找所述目標文章的相似文章，獲得所述目標文章的第一相似文章集合，包括：
通過搜索引擎搜索所述目標文章的標題查找所述目標文章的相似文章，獲得所述目標文章的第三相似文章集合；
在所述第三相似文章集合中提取與所述目標文章的標題長度的匹配度大于預(yù)設(shè)第一閾值的文章，獲得所述目標文章的第一相似文章集合。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述接收針對目標文章的相似文章的查找請求之后、所述通過哈希算法計算所述目標文章的內(nèi)容對應(yīng)的哈希值之前，還包括：
對所述目標文章的內(nèi)容進行第二預(yù)處理操作，獲得進行所述第二預(yù)處理操作后的所述目標文章的內(nèi)容。
5.一種相似文章查找裝置，其特征在于，包括：
請求接收模塊，用于接收針對目標文章的相似文章的查找請求；
第一集合獲得模塊，用于通過標題查找方式利用所述目標文章的標題查找所述目標文章的相似文章，獲得所述目標文章的第一相似文章集合；
第二集合獲得模塊，用于通過哈希算法計算所述目標文章的內(nèi)容對應(yīng)的哈希值；確定所述哈希值的可用子部分；利用搜索引擎搜索每一所述可用子部分查找所述目標文章的相似文章，獲得所述目標文章的第四相似文章集合；分別計算所述目標文章的所述可用子部分與所述第四相似文章集合中每篇文章對應(yīng)的可用子部分的漢明距離；提取漢明距離小于預(yù)設(shè)第二閾值的文章，獲得所述目標文章的第二相似文章集合；
結(jié)果獲得模塊，用于合并所述第一相似文章集合與所述第二相似文章集合，獲得所述目標文章的相似文章結(jié)果。
6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，還包括第一預(yù)處理模塊，用于：
在所述接收針對目標文章的相似文章的查找請求之后、所述通過標題查找方式利用所述目標文章的標題查找所述目標文章的相似文章，獲得所述目標文章的第一相似文章集合之前，對所述目標文章的標題進行第一預(yù)處理操作，獲得進行所述第一預(yù)處理操作后的所述目標文章的標題。
7.根據(jù)權(quán)利要求5或6所述的裝置，其特征在于，所述第一集合獲得模塊，具體用于：
通過搜索引擎搜索所述目標文章的標題查找所述目標文章的相似文章，獲得所述目標文章的第三相似文章集合；
在所述第三相似文章集合中提取與所述目標文章的標題長度的匹配度大于預(yù)設(shè)第一閾值的文章，獲得所述目標文章的第一相似文章集合。
8.一種相似文章查找設(shè)備，其特征在于，包括：
存儲器，用于存儲計算機程序；
處理器，用于執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1至4任一項所述相似文章查找方法的步驟。
9.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至4任一項所述相似文章查找方法的步驟。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于馬上消費金融股份有限公司，未經(jīng)馬上消費金融股份有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710817664.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
