原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于余弦相似度的文本去重方法，包括对待去重文本及任一待对比文本分别进行自然语言处理，去除特殊标点符号和无用语气助词；对待去重文本以及任一待对比文本分别进行分词分组，形成分词词集；根据词集进行比对重排序，相同的分词先放在一起，不同的分词往后排序后处理；根据重排序的分词词组计算分词出现的向量词频，最后得出去重文本的词频集合，根据公式计算出余弦相似度；不断对比其他待去重文本计算文本的余弦相似度，选取余弦相似度最大的对比文本作为最终去重结果。本发明实现对资讯数据在入库过程中已有的大量资讯
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117785852A
(43)申请公布日2024.03.29
(21)申请号202311744830.0G06F40/284(2020.01)
文档评论（0）