基于语义的文档查重方法及装置
公开
摘要
本发明公开了一种基于语义的文档查重方法及装置，可应用于人工智能技术领域，该方法包括：生成文档集的语义向量集，所述文档集包括待查重文档和多个历史文档；对语义向量集进行向量量化，获得压缩后的向量集；基于压缩后的向量集，检索出与待查重文档距离最近的历史文档，将所述与待查重文档距离最近的历史文档，确定为相似文档；对待查重文档句子分割，获得第一句子集合，对相似文档进行句子分割，获得第二句子集合；对第一句子集合和第二句子集合中的句子进行两两组合，获得多组句子对；从多组句子对中，筛选出相似句子对。本发明可以实现对文档进行查重，效率高。
基本信息
专利标题 ：
基于语义的文档查重方法及装置
专利标题（英）：
暂无
公开（公告）号 ：
CN114564935A
申请号 ：
CN202210182346.2
公开（公告）日 ：
2022-05-31
申请日 ：
2022-02-25
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李靖郑邦东林明单晟
申请人 ：
中国建设银行股份有限公司
申请人地址 ：
北京市西城区金融大街25号
代理机构 ：
北京三友知识产权代理有限公司
代理人 ：
郝博
优先权 ：
CN202210182346.2
主分类号 ：
G06F40/194
IPC分类号 ：
G06F40/194 G06F40/30
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F40/194
计算文件之间的差异
法律状态
2022-05-31 ：
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
暂无PDF文件可下载
