CN104615714B - 基于文本相似度和微博频道特征的博文排重方法 - Google Patents
基于文本相似度和微博频道特征的博文排重方法 Download PDFInfo
- Publication number
- CN104615714B CN104615714B CN201510061278.4A CN201510061278A CN104615714B CN 104615714 B CN104615714 B CN 104615714B CN 201510061278 A CN201510061278 A CN 201510061278A CN 104615714 B CN104615714 B CN 104615714B
- Authority
- CN
- China
- Prior art keywords
- channel
- feature
- blog article
- similarity
- scheduling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
算法 | M1 | M2 | M3 |
准确度 | 0.975 | 0.825 | 0.73 |
Claims (3)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510061278.4A CN104615714B (zh) | 2015-02-05 | 2015-02-05 | 基于文本相似度和微博频道特征的博文排重方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510061278.4A CN104615714B (zh) | 2015-02-05 | 2015-02-05 | 基于文本相似度和微博频道特征的博文排重方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104615714A CN104615714A (zh) | 2015-05-13 |
CN104615714B true CN104615714B (zh) | 2019-05-24 |
Family
ID=53150156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510061278.4A Expired - Fee Related CN104615714B (zh) | 2015-02-05 | 2015-02-05 | 基于文本相似度和微博频道特征的博文排重方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104615714B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729338B (zh) * | 2016-08-12 | 2020-09-04 | 中国电信股份有限公司 | 数据节点相似度计算方法和装置 |
CN106649222B (zh) * | 2016-12-13 | 2019-07-16 | 浙江网新恒天软件有限公司 | 基于语义分析与多重Simhash的文本近似重复检测方法 |
CN107977347B (zh) * | 2017-12-04 | 2021-12-21 | 海南云江科技有限公司 | 一种题目去重方法和计算设备 |
CN108647322B (zh) * | 2018-05-11 | 2021-12-17 | 四川师范大学 | 基于词网识别大量Web文本信息相似度的方法 |
CN111918248A (zh) * | 2020-07-22 | 2020-11-10 | 重庆理工大学 | 车联网环境下基于d2d的多接入边缘计算任务卸载方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620616A (zh) * | 2009-05-07 | 2010-01-06 | 北京理工大学 | 一种基于小世界特性的中文近似网页去重方法 |
US7657507B2 (en) * | 2007-03-02 | 2010-02-02 | Microsoft Corporation | Pseudo-anchor text extraction for vertical search |
CN102521402A (zh) * | 2011-12-23 | 2012-06-27 | 上海电机学院 | 文本过滤***及方法 |
CN102831246A (zh) * | 2012-09-17 | 2012-12-19 | 中央民族大学 | 藏文网页分类方法和装置 |
CN103257957A (zh) * | 2012-02-15 | 2013-08-21 | 深圳市腾讯计算机***有限公司 | 一种基于中文分词的文本相似性识别方法及装置 |
CN103646029A (zh) * | 2013-11-04 | 2014-03-19 | 北京中搜网络技术股份有限公司 | 一种针对博文的相似度计算方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1168031C (zh) * | 2001-09-07 | 2004-09-22 | 联想(北京)有限公司 | 基于文本内容特征相似度和主题相关程度比较的内容过滤器 |
CN101350032A (zh) * | 2008-09-23 | 2009-01-21 | 胡辉 | 判断网页内容是否相同的方法 |
CN102622365B (zh) * | 2011-01-28 | 2015-04-29 | 北京百度网讯科技有限公司 | 一种网页重复的判断***及其判断方法 |
CN104281610B (zh) * | 2013-07-08 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 过滤微博的方法和装置 |
CN104239539B (zh) * | 2013-09-22 | 2017-11-07 | 中科嘉速(北京)并行软件有限公司 | 一种基于多种信息融合的微博信息过滤方法 |
CN103559259A (zh) * | 2013-11-04 | 2014-02-05 | 同济大学 | 基于云平台的消除近似重复网页方法 |
CN103646080A (zh) * | 2013-12-12 | 2014-03-19 | 北京京东尚科信息技术有限公司 | 基于倒序索引的微博去重方法和*** |
-
2015
- 2015-02-05 CN CN201510061278.4A patent/CN104615714B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7657507B2 (en) * | 2007-03-02 | 2010-02-02 | Microsoft Corporation | Pseudo-anchor text extraction for vertical search |
CN101620616A (zh) * | 2009-05-07 | 2010-01-06 | 北京理工大学 | 一种基于小世界特性的中文近似网页去重方法 |
CN102521402A (zh) * | 2011-12-23 | 2012-06-27 | 上海电机学院 | 文本过滤***及方法 |
CN103257957A (zh) * | 2012-02-15 | 2013-08-21 | 深圳市腾讯计算机***有限公司 | 一种基于中文分词的文本相似性识别方法及装置 |
CN102831246A (zh) * | 2012-09-17 | 2012-12-19 | 中央民族大学 | 藏文网页分类方法和装置 |
CN103646029A (zh) * | 2013-11-04 | 2014-03-19 | 北京中搜网络技术股份有限公司 | 一种针对博文的相似度计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104615714A (zh) | 2015-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104615714B (zh) | 基于文本相似度和微博频道特征的博文排重方法 | |
Sun et al. | A comparative evaluation of string similarity metrics for ontology alignment | |
CN106708947B (zh) | 一种基于大数据的网络文章转发识别方法 | |
Li et al. | An improved collaborative filtering recommendation algorithm and recommendation strategy | |
CN105719191B (zh) | 多尺度空间下不确定行为语义的社交群体发现方法 | |
CN104866478B (zh) | 恶意文本的检测识别方法及装置 | |
CN105677661A (zh) | 一种检测社交媒体重复数据的方法 | |
CN107590128B (zh) | 一种基于高置信度特征属性分层聚类方法的论文同名作者消歧方法 | |
WO2014056397A1 (zh) | 兴趣标签推荐方法、***及计算机可读介质 | |
CN102184256A (zh) | 一种针对海量相似短文本的聚类方法和*** | |
WO2008043645B1 (en) | Establishing document relevance by semantic network density | |
CN103984771B (zh) | 一种英文微博中地理兴趣点抽取和感知其时间趋势的方法 | |
Jiang et al. | Detecting suspicious following behavior in multimillion-node social networks | |
CN103646029B (zh) | 一种针对博文的相似度计算方法 | |
CN105593851A (zh) | 用于跟踪与通过关联的文本和图像可识别的实体相关的微博消息的方法和装置 | |
CN105893585B (zh) | 一种结合标签数据的二部图模型学术论文推荐方法 | |
Man | Feature extension for short text categorization using frequent term sets | |
US8751459B2 (en) | Method and system to analyze email addresses | |
US20150120708A1 (en) | Information aggregation, classification and display method and system | |
CN104102681A (zh) | 一种微博关键事件获取方法和装置 | |
CN105512143A (zh) | 一种网页分类方法及装置 | |
CN102662987B (zh) | 一种基于百度百科的网络文本语义的分类方法 | |
WO2015062377A1 (zh) | 一种相似文本检测装置、方法以及应用 | |
CN106502990A (zh) | 一种微博特征项提取方法和改进tf‑idf归一化方法 | |
CN102722526B (zh) | 基于词性分类统计的重复网页和近似网页的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20170503 Address after: 100086 Beijing, Haidian District, North Third Ring Road West, No. 43, building 5, floor 08-09, No. 2 Applicant after: BEIJING ZHONGSOU CLOUD BUSINESS NETWORK TECHNOLOGY Co.,Ltd. Address before: Shou Heng Technology Building No. 51 Beijing 100191 Haidian District Xueyuan Road room 0902 Applicant before: BEIJING ZHONGSOU NETWORK TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190524 Termination date: 20220205 |