龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：成都无糖信息技术有限公司
摘要：本发明公开了一种海量短文本去重方法及系统，第一步，通过对文本进行预处理，便于后续计算；第二步，使用MinHash方案，将文本编码为MinHash向量；第三步，将第二步中生成的MinHash向量存储到MinHash向量库，MinHash向量库分为临时向量库和持久向量库中；第四步设置多级距离阈值，并利用分桶技术，对MinHash向量库建立索引；第五步，缓存流式数据，并在积累一定数据之后形成批数据，并对批数据进行去重分析，结束流程。本发明解决了现有技术对短文本定位不准确、对向量的存储成本和召回计算成本太高的问题。
主权项：1.一种海量短文本去重方法，其特征在于，第一步，通过对文本进行预处理，使文本方便后续的操作；第二步，使用MinHash方案，将文本编码为MinHash向量；第三步，将第二步中生成的MinHash向量存储到MinHash向量库，MinHash向量库分为临时向量库和持久向量库中；第四步，设置多级距离阈值，并利用分桶技术，对MinHash向量库建立索引；第五步，缓存流式数据，并在积累一定数据并形成批数据，并对批数据进行去重分析，结束流程。
全文数据：
权利要求：
百度查询： 成都无糖信息技术有限公司 一种海量短文本去重方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号