一种媒体文本相似性检测方法.pdfVIP

下载本文档

0
0
约1.48万字
约 12页
2023-06-14 发布于四川
举报
版权申诉

一种媒体文本相似性检测方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及一种媒体文本相似性检测方法，该方法能够在海量的媒体文本中检测到与目标文本相似的媒体文本，本发明首先使用爬虫工具获得主流自媒体平台的媒体文本，构建媒体文本集；然后对媒体文本进行预处理提取正文字段，并进行分词和停用词过滤；接着，基于海量语料库训练Skip‑gram模型获得特征项的词向量表示；再者，使用词语的TF‑IDF特征，词性特征与位置特征进行特征融合，构建特征项的权重；最后基于特征项的词向量表示和权重使用Simhash算法获得文本指纹，并根据倒排索引构建文本指纹索引。本发明可以有效增强

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113111645 A (43)申请公布日 2021.07.13 (21)申请号 202110469854.4 (22)申请日 2021.04.28 (71)申请人东南大学地址 21