[发明专利]一种数字指纹提取方法、装置和文字作品识别方法、装置

说明书

技术领域

本申请涉及计算机网络技术领域，特别是涉及一种数字指纹的提取方法、装置和文字作品的识别方法、装置。

背景技术

在互联网普及之前，数字内容及其盗版现象很少能成为一个焦点，对图书等传统作品的保护基本上通过司法或行政途径来实行。但随着互联网的普及和数字化技术的发展，网上交易与传播的电子书、图片等数字内容越来越多，由于数字化内容很容易被复制和传播，网络传播的数字内容存在大量的盗版和侵权问题。传统的版权保护方式已不能满足数字内容版权保护的需要。于是，人们提出一种新的技术：数字版权保护技术。

常用的数字版权保护技术主要有数字水印技术。数字水印技术是在数字内容中嵌入隐藏的标记，这种标记通常是与著作权相关的信息。一旦发生盗版或侵权，即可通过检测隐藏在数字作品中的水印判断是否为盗版或侵权作品。然而，当用户拿到数字作品的拷贝时，可通过检测工具或者一定方法找到嵌入的内容，并对嵌入的水印进行消除处理。一旦嵌入的水印被消除，就无法对盗版或者侵权作品进行识别，其可靠性不高。再一方面，数字水印技术无法防止手打族等的非法传播，对于通过手打方式展现的文字作品无法识别其是否为盗版或侵权作品。

发明内容

为解决上述技术问题，本申请实施例提供了一种数字指纹的提取方法和一种文字作品的识别方法，可以准确地对网络流传的文字作品的非法拷贝进行识别，可靠性高、易于实现，技术方案如下：

一种数字指纹的提取方法，包括：

将文字作品按照预设的划分方式划分为至少一个文字作品单元；

提取每一个所述文字作品单元中的文字特征信息作为该文字作品单元的指纹特征；

保存所述文字作品中所有文字作品单元的指纹特征，生成所述文字作品的数字指纹。

优选的，所述提取每一个所述文字作品单元中的文字特征信息作为该文字作品单元的指纹特征具体包括：

将所述文字作品单元中的所有文字转化为对应的拼音；

提取每一个文字对应拼音的首字母，按照首字母对所述文字作品单元中的所有文字进行分类，统计每一类首字母所包括的文字的字数；

分别计算每一类首字母所包括的文字的字数占所述文字作品单元中的所有文字的字数的比例，得到每一类首字母对应的比例；

将所述每一类首字母对应的比例组合成字符串，生成该文字作品单元的指纹特征。

优选的，所述预设的划分方式包括：

将文字作品整体作为一个文字作品单元进行划分；

和/或

将文字作品的每一个章节作为一个文字作品单元进行划分；

如/或

将文字作品的每一个段落作为一个文字作品单元进行划分。

本申请还提供了一种文字作品的识别方法，包括：

生成待识别的文字作品的数字指纹；

分别将所述待识别文字作品的数字指纹与预存在母本指纹库中的所有数字指纹进行比对，得到所述待识别文字作品的数字指纹与母本指纹库中的数字指纹的相似度值，将所述相似度值与设定的阈值进行比较；所述母本指纹库存储有文字作品母本库中的所有文字作品的数字指纹；

当有至少一条相似度值小于设定阈值时，则判定所述待识别的文字作品属于所述文字作品母本库。

优选的，所述方法进一步包括：

为所述文字作品母本库中的每一部文字作品生成对应的数字指纹。

优选的，所述为所述文字作品母本库中的每一部文字作品生成对应的数字指纹具体包括：

从所述文字作品母本库中读取一部文字作品；

从划分方式集合中选取所有划分方式作为预设的划分方式；

将所述文字作品按照预设的划分方式划分为至少一个文字作品单元；

提取每一个所述文字作品单元中的文字特征信息作为该文字作品单元的指纹特征；

保存所述文字作品中的所有文字作品单元的指纹特征，生成所述文字作品的数字指纹。

优选的，所述生成待识别的文字作品的数字指纹具体包括：

从划分方式集合中选取至少一种划分方式作为预设的划分方式；

将所述待识别的文字作品按照预设的划分方式划分为至少一个文字作品单元；

提取每一个所述文字作品单元中的文字特征信息作为该文字作品单元的指纹特征；

保存所述待识别的文字作品中至少一个文字作品单元的指纹特征，生成所述待识别的文字作品的数字指纹。

优选的，所述提取每一个所述文字作品单元中的文字特征信息作为该文字作品单元的指纹特征具体包括：