湖南工业大学学报
湖南工業大學學報
호남공업대학학보
JOURNAL OF HUNAN UNIVERSITY OF TECHNOLOGY
2014年
6期
81-85
,共5页
盛鑫海%袁鑫攀%满君丰%涂慧
盛鑫海%袁鑫攀%滿君豐%塗慧
성흠해%원흠반%만군봉%도혜
分组指纹%细粒度%文档相似性检测%海明距离
分組指紋%細粒度%文檔相似性檢測%海明距離
분조지문%세립도%문당상사성검측%해명거리
grouping fingerprint%fine-grained%document similarity detection%Hamming distance
在文档相似性检测中,粗粒度会降低准确度,粒度过细又会大幅增加计算时间。针对基金项目相似性检测,在b位Minwise Hash算法的基础上,提出了一种细粒度文档相似性快速检测方法。先对文档进行预处理,提取文档正文,并生成分组指纹特征,再构建细粒度的分组指纹索引结构,利用海明距离来计算文档之间的相似性,以XML文档形式存储并显示相似信息。通过系统的实现,验证了该方法的有效性,且检索效率有所提高。
在文檔相似性檢測中,粗粒度會降低準確度,粒度過細又會大幅增加計算時間。針對基金項目相似性檢測,在b位Minwise Hash算法的基礎上,提齣瞭一種細粒度文檔相似性快速檢測方法。先對文檔進行預處理,提取文檔正文,併生成分組指紋特徵,再構建細粒度的分組指紋索引結構,利用海明距離來計算文檔之間的相似性,以XML文檔形式存儲併顯示相似信息。通過繫統的實現,驗證瞭該方法的有效性,且檢索效率有所提高。
재문당상사성검측중,조립도회강저준학도,립도과세우회대폭증가계산시간。침대기금항목상사성검측,재b위Minwise Hash산법적기출상,제출료일충세립도문당상사성쾌속검측방법。선대문당진행예처리,제취문당정문,병생성분조지문특정,재구건세립도적분조지문색인결구,이용해명거리래계산문당지간적상사성,이XML문당형식존저병현시상사신식。통과계통적실현,험증료해방법적유효성,차검색효솔유소제고。
In document similarity detection, coarse grain will reduce the accuracy and too small particle size will increase the computation time. Proposes a quick document similarity detection method based on b-bit Minwise Hash. Firstly extracts the document text to generate a grouping fingerprint features;Then establishes the index structure of fine-grained grouping fingerprint;Finally computes the resemblance of document part by Hamming distance, and stores and displays the evidence of similarity by XML document format. Through system practice, verifies the effectiveness of the method and increases the efficiency of retrieval.