[00003287]一种基于区间的文本相似搜索方法
技术详细介绍
一种基于区间的文本相似搜索方法，包括以下步骤(1)输入文档集合和查询文本，建立区间模型；(2)遍历输入查询文本中的每一个词汇，利用步骤(1)的输入文档集合索引结构中的位置信息进行逐步匹配，利用滑动窗口技术进行合并，查找在文档集合中与输入文本相似的片段。(3)当无法继续匹配，判断已匹配的文档集合中的区间文本是否满足长度阈值要求，如果满足，则作为一个最终结果输出；本发明可以对文档中的不定长文本片段做自动化的相似搜索，而不需要预先对文档进行如段落切分、主题相关性分析等处理，有助于提高文本搜索、清洗、分类、挖掘等任务的工作效率，可以满足特定用户的档案清洗、论文查重、相似基因序列查找等处理需求。
