基于文档结构的文档相似性度量方法
授权
摘要
本发明公开了一种基于文档结构的文档相似性度量方法，涉及一种自然语言的处理方法。针对度量方法中丢失了词语在文档各个部分的分布信息，本发明提出的方法包括以下步骤：(1)对于需要比较的两个文档X和Y，分别使用文档结构分析方法找出每个文档的子主题序列；(2)利用相似性度量方法计算任意两个分别属于不同文档的子主题之间的相似度值；(3)对步骤(1)及步骤(2)得到的子主题序列及子主题之间的相似度值，建立一个带权二部图G＝{X，Y，E}；(4)对带权二部图G＝{X，Y，E}求解最优匹配，对最优匹配的总权值进行规范化处理，即得到文档X与Y的相似度值。本发明提出的方法，提高了文档相似性判断的准确度。
基本信息
专利标题 ：
基于文档结构的文档相似性度量方法
专利标题（英）：
暂无
公开（公告）号 ：
CN1959671A
申请号 ：
CN200510117412.4
公开（公告）日 ：
2007-05-09
申请日 ：
2005-10-31
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
万小军彭宇新杨建武吴於茜陈晓鸥
申请人 ：
北大方正集团有限公司;北京北大方正技术研究院有限公司;北京大学
申请人地址 ：
100871北京市海淀区成府路298号方正大厦
代理机构 ：
北京中博世达专利商标代理有限公司
代理人 ：
申健
优先权 ：
CN200510117412.4
主分类号 ：
G06F17/30
IPC分类号 ：
G06F17/30 G06F17/27
相关图片
法律状态
2009-09-23 ：
授权
2007-07-04 ：
实质审查的生效
2007-05-09 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN100543735C.PDF
PDF下载
2、
CN1959671A.PDF
PDF下载
