[發(fā)明專利]一種基于機(jī)器學(xué)習(xí)的版權(quán)追蹤方法

在審

• 申請?zhí)枺?/td>: 201811532787.0
• 申請日: 2018-12-14
• 公開（公告）號: CN109635090A
• 公開（公告）日: 2019-04-16
• 發(fā)明（設(shè)計(jì)）人: 王澤
• 申請（專利權(quán)）人: 安徽中船璞華科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/951;G06F21/10
• 代理公司: 上海精晟知識產(chǎn)權(quán)代理有限公司 31253
• 代理人: 馮子玲

1.一種基于機(jī)器學(xué)習(xí)的版權(quán)追蹤方法，其特征在于，包括如下步驟：

步驟一：構(gòu)件神經(jīng)網(wǎng)絡(luò)主題模型，利用TF-IDF算法與TextRank算法相結(jié)合，通過對用戶錄入文章的語義分析提取關(guān)鍵詞；

步驟二：將所述關(guān)鍵詞作為搜索引擎的輸入?yún)?shù)，獲取搜索結(jié)果集；

步驟三：通過爬蟲算法，獲取所述搜索結(jié)果集中搜索結(jié)果對應(yīng)網(wǎng)頁中的目標(biāo)文章；

步驟四：通過Word2Vec算法模型計(jì)算網(wǎng)頁中的所述目標(biāo)文章與用戶錄入文章內(nèi)容的相似度。

2.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的版權(quán)追蹤方法，其特征在于，步驟一中具體過程如下：

通過對所述錄入文章的內(nèi)容分詞，根據(jù)詞性獲取錄入文章的候選關(guān)鍵詞；

根據(jù)大規(guī)模語料學(xué)習(xí)得到主題模型，計(jì)算所述錄入文章的主題分布和候選詞分布；

計(jì)算錄入文章的主題和候選關(guān)鍵詞的主題相似度并排序；

按照主題相似度由高到低選取相似度較高的若干個作為關(guān)鍵詞。

3.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的版權(quán)追蹤方法，其特征在于，步驟三還包括如下過程：

通過訓(xùn)練獲取一個分類器，用于提取目標(biāo)信息；

其中，進(jìn)行目標(biāo)信息提取時，剔除HTML中的廣告和附加信息。

4.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的版權(quán)追蹤方法，其特征在于，步驟四包括如下過程：

基于keras的深暹羅雙向LSTM網(wǎng)絡(luò)，采用字嵌入來捕獲短語/句子相似性；通過計(jì)算兩個詞向量的余弦值計(jì)算對應(yīng)與兩個詞向量對應(yīng)的詞語的相似度。