一种基于DNA序列的文本处理方法和系统

摘要

本发明提供一种基于DNA序列的文本处理方法和系统。该文本处理方法包括：为两个以上文本的字符分配DNA序列码，使用DNA序列处理方法对分配好DNA序列码的两个以上文本进行相似性分析，所述字符为数字、字、单词或符号中的一种或多种，所述字或单词为一个或多个语种的字或单词。为两个以上文本的字符分配DNA序列码包括：为两个以上文本中的字符分配十进制数，将所述十进制数转换为四进制数；使四进制数中的0、1、2、3分别对应四种脱氧核糖核酸中的一种，将四进制数转换为DNA序列码。本发明还提供了实现该方法的系统。本发明的方法和系统不依赖于已有数据库的建立，关键词的抽提，没有字符以及字符组合数目的限制，可对文本信息实现高效、全面的分析。

主权项

一种基于DNA序列的文本处理方法，其特征在于，包括：为两个以上文本的字符分配DNA序列码，其中文本中相同的字符分配相同的DNA序列码；使用DNA序列处理方法对分配好DNA序列码的两个以上文本进行相似性分析；所述为两个以上文本的字符分配DNA序列码包括：分别为两个以上文本中的字符分配十进制数，其中文本中相同的字符分配相同的十进制数；分别将两个以上文本中的字符所对应的十进制数转换为四进制数，所述四进制数的位数为n，且4n至少大于文本中互不相同的字符的总数，不足n位的四进制数在所述四进制数前端补0；使四进制数中的0、1、2、3分别对应四种脱氧核糖核酸中的一种，分别将两个以上文本中的字符所对应的n位四进制数转换为n位DNA序列码，得到各文本所对应的DNA序列。