技术编号:11830083
提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。本发明涉及计算机检索领域,特别涉及相似文本的检索方法及其装置。背景技术文本相似度是指两个或者多个文本的匹配程度的度量指标,文本之间语义或者词出现频次越接近,其两者之间的文本相似度越高。传统的文本匹配,例如编辑距离计算,向量空间模型(VSM),可以很好的度量两两文本之间的相似度,但是对于海量文本,则暴露出比对速度慢,空间需求高的缺点。目前,业内一般使用simhash等指纹算法,将文本相似问题转换为simhash码的编辑距离计算,由此来解决海量文本的索引问题,该方式对于大文本的相似度计算上有着显著效...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。