用于海量文本匹配的方法

摘要

本发明提出了用于海量文本匹配的方法。其中，所述方法包括：分别将数据库文档和外部文档分组，并确定数据库文档的分组数s；分别计算数据库文档的总数目n和外部文档的总数目m，并用k个实矩阵M表示所述数据库文档的向量空间，以及用k2个稀疏矩阵P表示所述外部文档的向量空间；取未针对其进行相应的计算操作的稀疏矩阵P作为当前目标稀疏矩阵P，并针对所述当前目标稀疏矩阵P执行相应的计算操作以获得相似度矩阵S，以及随后基于所述相似度矩阵S确定与所述当前目标稀疏矩阵P所代表的各个外部文档最佳匹配的数据库文档。本发明所公开的用于海量文本匹配的方法节省存储空间、时间消耗较小并且能够进行并行处理。

主权项

一种用于海量文本匹配的方法，所述用于海量文本匹配的方法包括下列步骤：（A1）分别将数据库文档和外部文档分组，并确定数据库文档的分组数s；（A2）分别计算数据库文档的总数目n和外部文档的总数目m，并用k个实矩阵M表示所述数据库文档的向量空间，以及用k2个稀疏矩阵P表示所述外部文档的向量空间；（A3）判断是否存在未针对其进行相应的计算操作的稀疏矩阵P，并且如果不存在未针对其进行相应的计算操作的稀疏矩阵P，则终止匹配过程，而如果存在未针对其进行相应的计算操作的稀疏矩阵P，则进入步骤（A4）；（A4）取下一个未针对其进行相应的计算操作的稀疏矩阵P作为当前目标稀疏矩阵P，并针对所述当前目标稀疏矩阵P执行相应的计算操作以获得相似度矩阵S，以及随后基于所述相似度矩阵S确定与所述当前目标稀疏矩阵P所代表的各个外部文档最佳匹配的数据库文档并返回步骤（A3）。