文章指纹特征生成方法和装置

摘要

本发明提供一种文章指纹特征生成方法和装置，方法包括：将待生成指纹特征的目标文章与预设的标杆文章进行比较，得到目标文章与标杆文章之间的距离；根据目标文章与标杆文章之间的距离，生成用于表征目标文章的指纹特征。在本发明的技术方案中，不需要设计算法针对文章的数据信息进行复杂的计算，标杆文章与目标文章之间的距离结合标杆文章，实际上相当于目标文章，而由于标杆文章是固定不变的，仅基于标杆文章与目标文章之间的距离，即可生成表征目标文章的指纹特征，即该指纹特征结合标杆文章反映了目标文章；在本发明的技术方案中提供了一种新的生成指纹特征的技术方案，不涉及复杂算法，生成指纹特征的准确度、效率都很高。

说明书

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种文章指纹特征生成方法和装置。

背景技术

信息指纹，指的就是任何一篇一段文章，都可以对应成一段信息指纹，像人类身指纹一样具者有唯一性，信息指纹就是利用一段文字对应一个不太长的随机数，生成自己独特的信息的指纹(fingerprint)。而文章的指纹一般是通过某种算法对数据信息进行综合计算得到的一个固定长度的数字序列，就目前的现有技术而言，通过算法对文章数据信息计算的过程太过复杂。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的文章指纹特征生成方法和装置。

依据本发明的一种文章指纹特征生成方法，包括：将待生成指纹特征的目标文章与预设的标杆文章进行比较，得到所述目标文章与所述标杆文章之间的距离；根据所述目标文章与所述标杆文章之间的距离，生成用于表征所述目标文章的指纹特征。

可选地，前述的方法，将待生成指纹特征的目标文章与预设的标杆文章进行比较，具体包括：获取所述目标文章的特征属性，并根据所述目标文章的特征属性生成所述目标文章对应的向量；将所述目标文章对应的向量与预设的所述标杆文章对应的向量进行比较。

可选地，前述的方法，获取所述目标文章的特征属性，具体包括：对所述目标文章进行分词得到多个词，统计所述多个词在所述目标文章中的词频作为所述目标文章的特征属性。

可选地，前述的方法，获取所述目标文章的特征属性，具体包括：从所述目标文章的标题中获取所述目标文章的特征属性。

可选地，前述的方法，所述标杆文章的距离为多个；多个所述标杆文章对应多个指纹特征，所述多个指纹特征用于表征所述目标文章。

依据本发明的一种文章指纹特征生成装置，包括：距离计算模块，用于将待生成指纹特征的目标文章与预设的标杆文章进行比较，得到所述目标文章与所述标杆文章之间的距离；指纹特征生成模块，用于根据所述目标文章与所述标杆文章之间的距离，生成用于表征所述目标文章的指纹特征。

可选地，前述的装置，还包括：向量生成模块，用于获取所述目标文章的特征属性，并根据所述目标文章的特征属性生成所述目标文章对应的向量；所述距离计算模块将所述目标文章对应的向量与预设的所述标杆文章对应的向量进行比较。

可选地，前述的装置，所述向量生成模块对所述目标文章进行分词得到多个词，统计所述多个词在所述目标文章中的词频作为所述目标文章的特征属性。

可选地，前述的装置，所述向量生成模块从所述目标文章的标题中获取所述目标文章的特征属性。

可选地，前述的装置，所述标杆文章的距离为多个；多个所述标杆文章对应多个指纹特征，所述多个指纹特征用于表征所述目标文章。

根据以上技术方案，本发明的文章指纹特征生成方法和装置至少具有以下优点：

在本发明的技术方案中，不需要设计算法针对文章的数据信息进行复杂的计算，标杆文章与目标文章之间的距离结合标杆文章，实际上相当于目标文章，而由于标杆文章是固定不变的，仅基于标杆文章与目标文章之间的距离，即可生成表征目标文章的指纹特征，即该指纹特征结合标杆文章反映了目标文章；在本发明的技术方案中提供了一种新的生成指纹特征的技术方案，不涉及复杂算法，生成指纹特征的准确度、效率都很高。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明的一个实施例的文章指纹特征生成方法的流程图；

图2示出了根据本发明的一个实施例的文章指纹特征生成装置的框图；

图3示出了根据本发明的一个实施例的文章指纹特征生成装置的框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，本发明的一个实施例中提供一种文章指纹特征生成方法，包括：

步骤110，将待生成指纹特征的目标文章与预设的标杆文章进行比较，得到目标文章与标杆文章之间的距离。在本实施例中，对标杆文章不进行限制，任何一篇文章都可以选定作为标杆文章。

步骤120，根据目标文章与标杆文章之间的距离，生成用于表征目标文章的指纹特征。在本实施例中，标杆文章与目标文章之间的距离结合标杆文章，实际上相当于目标文章，而由于标杆文章是固定不变的，仅基于标杆文章与目标文章之间的距离，即可生成表征目标文章的指纹特征，即该指纹特征结合标杆文章反映了目标文章；在本发明的技术方案中提供了一种新的生成指纹特征的技术方案，不涉及复杂算法，生成指纹特征的准确度、效率都很高。例如，标杆文章简化为《明星A新片尺度大职场御姐范儿就得这么穿》，那么文章a《明星A新片尺度大一集亲热数次》与其距离分别为4，则可以根据数值4生成指纹特征。

本发明的一个实施例中提供一种文章指纹特征生成方法，相比于前述的实施例，本实施例的文章指纹特征生成方法，步骤110，具体包括：

获取目标文章的特征属性，并根据目标文章的特征属性生成目标文章对应的向量；将目标文章对应的向量与预设的标杆文章对应的向量进行比较。

在本实施例中，对特征属性不进行限制，例如该特征属性可以是文章的关键词、字数、标题、作者等等；利用文章的一个或多个特征属性，容易将文章量化为数字，能够更容易、更精确地计算文章之间的距离。

本发明的一个实施例中提供一种文章指纹特征生成方法，相比于前述的实施例，本实施例的文章指纹特征生成方法，步骤110，具体包括：

对目标文章进行分词得到多个词，统计多个词在目标文章中的词频作为目标文章的特征属性。在本实施例中，根据计算得到的词频，为目标文章构造出一个文章向量；同理也可以为标杆文章生成向量，词频能够反映文章中个内容的重要程度，适于作为特征属性。

本发明的一个实施例中提供一种文章指纹特征生成方法，相比于前述的实施例，本实施例的文章指纹特征生成方法，步骤110，具体包括：从目标文章的标题中获取目标文章的特征属性。在本实施例中，因为文章的关键信息体现在标题中，所以直接从标题中获取特征属性即可，则提取特征属性的效率非常高、准确率也非常高。

本发明的一个实施例中提供一种文章指纹特征生成方法，相比于前述的实施例，本实施例的文章指纹特征生成方法，标杆文章的距离为多个；多个标杆文章对应多个指纹特征，多个指纹特征用于表征目标文章。在本实施例中，多个特征指纹就可以表示一篇文章，通过多个特征指纹来表示文章，大大压缩了文章的空间大小，则不必对整篇文章进行存储，节省了存储空间。

如图2所示，本发明的一个实施例中提供一种文章指纹特征生成装置，包括：

距离计算模块210，用于将待生成指纹特征的目标文章与预设的标杆文章进行比较，得到目标文章与标杆文章之间的距离。在本实施例中，对标杆文章不进行限制，任何一篇文章都可以选定作为标杆文章。

指纹特征生成模块220，用于根据目标文章与标杆文章之间的距离，生成用于表征目标文章的指纹特征。在本实施例中，标杆文章与目标文章之间的距离结合标杆文章，实际上相当于目标文章，而由于标杆文章是固定不变的，仅基于标杆文章与目标文章之间的距离，即可生成表征目标文章的指纹特征，即该指纹特征结合标杆文章反映了目标文章；在本发明的技术方案中提供了一种新的生成指纹特征的技术方案，不涉及复杂算法，生成指纹特征的准确度、效率都很高。例如，标杆文章简化为《明星A新片尺度大职场御姐范儿就得这么穿》，那么文章a《明星A新片尺度大一集亲热数次》与其距离分别为4，则可以根据数值4生成指纹特征。

如图3所示，本发明的一个实施例中提供一种文章指纹特征生成装置，相比于前述的实施例，本实施例的文章指纹特征生成装置，还包括：

向量生成模块310，用于获取目标文章的特征属性，并根据目标文章的特征属性生成目标文章对应的向量；距离计算模块210将目标文章对应的向量与预设的标杆文章对应的向量进行比较。在本实施例中，对特征属性不进行限制，例如该特征属性可以是文章的关键词、字数、标题、作者等等；利用文章的一个或多个特征属性，容易将文章量化为数字，能够更容易、更精确地计算文章之间的距离。

本发明的一个实施例中提供一种文章指纹特征生成装置，相比于前述的实施例，本实施例的文章指纹特征生成装置，向量生成模块310对目标文章进行分词得到多个词，统计多个词在目标文章中的词频作为目标文章的特征属性。在本实施例中，根据计算得到的词频，为目标文章构造出一个文章向量；同理也可以为标杆文章生成向量，词频能够反映文章中个内容的重要程度，适于作为特征属性。

本发明的一个实施例中提供一种文章指纹特征生成装置，相比于前述的实施例，本实施例的文章指纹特征生成装置，向量生成模块310从目标文章的标题中获取目标文章的特征属性。在本实施例中，因为文章的关键信息体现在标题中，所以直接从标题中获取特征属性即可，则提取特征属性的效率非常高、准确率也非常高。

本发明的一个实施例中提供一种文章指纹特征生成装置，相比于前述的实施例，本实施例的文章指纹特征生成装置，标杆文章的距离为多个；多个标杆文章对应多个指纹特征，多个指纹特征用于表征目标文章。在本实施例中，多个特征指纹就可以表示一篇文章，通过多个特征指纹来表示文章，大大压缩了文章的空间大小，则不必对整篇文章进行存储，节省了存储空间。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的文章指纹特征生成装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。