一种基于语义分析的文档查重方法和装置
基本信息
| 申请号 | CN201810488412.2 | 申请日 | - |
| 公开（公告）号 | CN108804418B | 公开（公告）日 | 2022-03-08 |
| 申请公布号 | CN108804418B | 申请公布日 | 2022-03-08 |
| 分类号 | G06F40/284（2020.01）I;G06F40/30（2020.01）I;G06F40/194（2020.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 王乐;石园 | 申请（专利权）人 | 浪潮软件集团有限公司 |
| 代理机构 | 济南信达专利事务所有限公司 | 代理人 | 李世喆 |
| 地址 | 271000 山东省泰安市东岳大街527号浪潮科技园 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种基于语义分析的文档查重方法和装置，包括：确定待查重文档和对比文档；根据预设的格式标准，对所述待查重文档、所述对比文档进行格式转换；对经过格式转换的所述待查重文档、所述对比文档进行分词；根据所述待查重文档的分词结果和所述对比文档的分词结果，进行同义词归并，确定第一相似度；根据所述待查重文档的分词结果和所述对比文档的分词结果，进行聚类分析，确定第二相似度；根据所述第一相似度和所述第二相似度，确定所述待查重文档与所述对比文档的重复率。本发明提供的方案能够提高查重的精确度。 |
