一种基于改进LSH的多特征文档检索方法

摘要

本发明提出一种基于改进LSH的多特征文档检索方法。首先，将文档的关键字，标题，作者信息，更新时间和检索次数作为特征量，将这些特征量转换成距离并利用TF‑IDF(Term Frequency–Inverse Document Frequency)方法对每个距离设置权重。其次，将以上加权后的距离求和得到综合距离，通过综合距离的大小排序来选择回收最近邻数据。该方法将文档的多个特征量综合考虑，应用改进的LSH(Locality‑Sensitive Hashing)算法，实现快速检索的同时提高了检索的准确性。