申请/专利权人:上海任意门科技有限公司
申请日:2023-05-09
公开(公告)日:2024-04-02
公开(公告)号:CN116595065B
主分类号:G06F16/2458
分类号:G06F16/2458;G06F16/23;G06F16/27;G06F16/2455;G06F16/45;G06F16/9535
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2023.09.01#实质审查的生效;2023.08.15#公开
摘要:本公开公开了一种内容重复识别方法、装置、系统和存储介质,涉及查重技术。该方法包括:获取内容对应的编码向量;在分布式检索库中查询与编码向量匹配的样本,识别是否存在重复内容;以及将编码向量插入到一个节点的检索库以及存储在存储设备中,其中,该存储设备存储预定时间内的数据,每个节点的检索库定时根据相应节点对应的存储设备内存储的数据进行同步。本公开能够在实现重复识别的同时,剔除检索库中已过期的向量,解决动态时间区间向量检索库更新的问题,提高了在海量数据的快插快查场景下的服务稳定性以及性能。
主权项:1.一种内容重复识别方法,包括:获取内容对应的编码向量;在分布式检索库中查询与所述编码向量匹配的样本,识别是否存在重复内容,包括:在所述内容为文本的情况下,在分布式检索库中,查询与所述编码向量相似度大于第一阈值,且最长公共子序列的长度占比大于第二阈值的样本;和或在所述内容为图像的情况下,对所述图像做特征分类处理;在所述图像为预定类别的情况下,在分布式检索库中,查询与所述编码向量相似度大于第三阈值的样本;以及在所述图像为非预定类别的情况下,在分布式检索库中,查询与所述编码向量相似度大于第四阈值的样本,其中,所述第四阈值小于所述第三阈值;以及将所述编码向量插入到一个节点的检索库以及存储在存储设备中,其中,所述存储设备存储预定时间内的数据,每个节点的检索库定时根据相应节点对应的存储设备内存储的数据进行同步,其中,所述内容重复识别方法,还包括:将所述编码向量和对应的时间存储在所述存储设备中,其中,所述存储设备定时对存储的编码向量进行检测,删除已过期的编码向量;和或接收各个节点的检索库在完成与所述存储设备进行数据同步重启后的反馈,其中,所述反馈包括检索库量级信息。
全文数据:
权利要求:
百度查询: 上海任意门科技有限公司 内容重复识别方法、装置、系统和存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。