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！

龙图腾网获悉南京大学申请的专利一种用于加速相似文本搜索的新型高效过滤方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115840810B 。

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211539709.X，技术领域涉及：G06F16/335；该发明授权一种用于加速相似文本搜索的新型高效过滤方法是由戴海鹏;王景午;李猛;陈贵海设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本一种用于加速相似文本搜索的新型高效过滤方法在说明书摘要公布了：本发明公开了一种用于加速相似文本搜索的新型高效过滤方法，包括如下步骤：对于用户提交的文本数据集，区分高低频元素，将低频元素进行哈希建立待搜索数据集；将数据集中的签名按长度分成不同分区，对于每个分区中的签名，使用聚类方法，将新的带搜索数据集中的相似签名，形成不同的簇，保证簇内文本与簇头文本相似度大于设定的相似度阈值；将每个分区中的每个簇中的文本，分别构建完全二叉树；将树过滤器部署到系统中，通过快速过滤来加速相似文本搜索。本发明在使用K最小值技术来估计交集势的基础上，将过滤器按照数据集的分布构建成树状，避免重复遍历，提升检索效率，并避免了过滤的准确性降低问题。

本发明授权一种用于加速相似文本搜索的新型高效过滤方法在权利要求书中公布了：1.一种用于加速相似文本搜索的新型高效过滤方法，其特征在于利用了数据的相似度分布特征，包括以下步骤： 1高低频元素分块均匀哈希：对于需要查询的文本数据集，统计文本数据集中所有元素的频率，选出前B个元素作为文本的高频部分，剩余元素为作为文本的低频部分，所述高频部分使用位图表示，所述低频部分截取一部分作为K最小值，所述K最小值为KMV签名，将重新表示完毕的文本传入步骤2； 2分区相似签名聚类阶段：利用低频部分的KMV签名，根据KMV签名长度划分为不同的分区，每个分区中包含低频部分签名长度相等的文本；在每一个分区内部，使用聚类算法，随机选取簇中心，分别计算其它文本与簇中心的相似度，将相似度高的文本的高频部分和低频部分的KMV签名组成一个簇，如果簇的大小满足要求，则保留簇，否则重新选取簇中心，将聚类好的簇传入步骤3； 3KMV森林构建阶段：对每一个分区中的每一个簇，都构建一颗完全二叉树，所述二叉树的叶子节点由簇内的若干文本构成，记录下文本的高频部分和低频部分；每个父节点都包含所述叶子节点的全部文本信息，高频部分位图为两个叶子节点的并集，依次向上构建，最终根节点包含簇内的所有文本的信息； 4阈值交集势查询：根据每一个待查询的文本和对应的相似度阈值，在KMV森林中的每一棵树中，从根节点往下递归查询，如果当前节点的交集势不满足相似度阈值，则不再进行后续查询；如果递归到叶子节点仍然满足交集势要求，则将满足交集势要求的叶子节点传入步骤5； 5验证阶段：对每一个叶子节点中包含的文本，均执行交集势计算操作来判断所述文本是否是符合相似度要求的相似文本。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。