文本相似性分析方法、装置、电子设备及计算机存储介质

授权

摘要

本申请涉及文本处理领域，公开了一种文本相似性分析方法、装置、电子设备及计算机可读存储介质，其中，文本相似性分析方法包括：确定目标文本的第一预设个数的基础特征词；接着基于训练后的文本词向量库，对第一预设个数的基础特征词分别进行扩展，得到各基础特征词分别对应的第二预设个数的扩展词；接着基于各基础特征词、各扩展词以及各个词的权重值，从预设文本数据库中确定目标文本的相似文本。本申请实施例的方法，极大扩充了抽取到的能够表征目标文本的专业性词汇的数量，有效提高表征目标文本的文本特征词频的统计特性，能够快速、准确地从预设文本数据库中甄选出目标文本的相似专利，极大提高专利相似性分析的准确度。

基本信息

专利标题：

文本相似性分析方法、装置、电子设备及计算机存储介质

专利标题（英）：

暂无

公开（公告）号：

CN108804421A

申请号：

CN201810522854.4

公开（公告）日：

2018-11-13

申请日：

2018-05-28

授权号：

CN108804421B

授权日：

2022-04-15

发明人：

高影繁姚长青刘志辉崔笛李岩郑明

申请人：

中国科学技术信息研究所

申请人地址：

北京市海淀区复兴路15号

代理机构：

北京市立方律师事务所

代理人：

张筱宁

优先权：

CN201810522854.4

主分类号：

G06F17/27

IPC分类号：

G06F17/27 G06F17/30 G06Q50/18