相似文件的自动侦测方法

发明专利申请公布后的视为撤回

摘要

一种自动侦测相似文件的方法，该方法是对一文件集里的每一篇文件进行词汇断词、标点符号删除、停用词过滤、词汇正规化等前置处理，然后建立每个词汇到每篇文件的一反向索引档，接着将每一篇待比对文件同样经过上述的步骤处理后，透过反向索引档提供的索引功能，快速查阅待比对文件中每个词汇在文件集内每一篇文件出现的次数，并按照给定的相似度公式，计算出待比对文件与其他文件的相似度，如此搜集文件之间的相似度，依照给定的相似度门槛过滤后，即可侦测所有相异的相似文件。

基本信息

专利标题：

相似文件的自动侦测方法

专利标题（英）：

暂无

公开（公告）号：

CN1963807A

申请号：

CN200510115210.6

公开（公告）日：

2007-05-16

申请日：

2005-11-11

授权号：

暂无

授权日：

暂无

发明人：

曾元显

申请人：

威知资讯股份有限公司;曾元显

申请人地址：

中国台湾

代理机构：

北京中原华和知识产权代理有限责任公司

代理人：

寿宁

优先权：

CN200510115210.6

主分类号：

G06F17/30

IPC分类号：

G06F17/30 G06F17/27