[发明专利]一种用于生成文字作品的数字指纹的方法与设备

权利要求书

1.一种用于生成文字作品的数字指纹的方法，其中，该方法包括：

从目标文字作品中提取多个作品单元，其中，每个作品单元包括文字信息；

从所述多个作品单元中确定多个优选作品单元；

根据所述多个优选作品单元中的文字信息生成所述目标文字作品的数字指纹，其中，所述多个优选作品单元中的文字信息为所述目标文字作品中的部分文字信息；

其中，所述从所述多个作品单元中确定多个优选作品单元，包括：

通过根据所述作品单元在单元数据库中进行匹配查询，确定所述作品单元与所述单元数据库中作品的最大匹配度信息；根据所述最大匹配度信息从所述多个作品单元中确定多个优选作品单元；或者，

从所述多个作品单元中剔除满足预定的单元淘汰规则的作品单元；从所述多个作品单元的剩余作品单元中确定多个优选作品单元；所述确定所述作品单元与所述单元数据库中作品的最大匹配度信息，包括：

根据所述作品单元在所述单元数据库中进行匹配查询，以获得所述作品单元与所述单元数据库中多个作品对应的多个匹配度信息；将所述多个匹配度信息中最大值确定为所述作品单元与所述单元数据库中作品的最大匹配度信息，其中所述匹配度信息为所述作品单元的文字串与所述多个作品中每个作品单元的文字串的交集与并集的大小之比。

2.根据权利要求1所述的方法，其中，所述方法还包括：

根据所述目标文字作品的数字指纹在指纹数据库中进行匹配查询，以获得与所述目标文字作品相匹配的文字作品；或者，

通过比较所述目标文字作品的数字指纹与参考文字作品的数字指纹，确定所述目标文字作品与所述参考文字作品是否相同或相似。

3.根据权利要求1所述的方法，其中，所述通过根据所述作品单元在单元数据库中进行匹配查询，确定所述作品单元与所述单元数据库中作品的最大匹配度信息包括：

通过对所述作品单元进行分词处理确定所述作品单元对应的单元描述信息；

根据所述单元描述信息在单元数据库中进行匹配查询，确定所述单元描述信息与所述单元数据库中单元描述信息的最大匹配度信息，并作为所述作品单元与所述单元数据库中作品的最大匹配度信息。

4.根据权利要求1所述的方法，其中，所述单元淘汰规则包括以下至少任一项：

所述作品单元在单元数据库中存在相匹配的单元；

存在与所述作品单元的单元描述信息相匹配的参考单元描述信息，其中，所述作品单元的单元描述信息是通过对所述作品单元进行分词处理确定的；

所述作品单元的文字数量低于单元文字数量阈值。

5.根据权利要求1所述的方法，其中，所述根据所述优选作品单元中的文字信息生成所述目标文字作品的数字指纹包括：

从所述优选作品单元中的文字信息抽取所述优选作品单元对应的单元文字特征信息；

根据所述单元文字特征信息生成所述优选作品单元的单元指纹；

根据所述单元指纹生成所述目标文字作品的数字指纹。

6.根据权利要求5所述的方法，其中，所述单元文字特征信息包括一个或多个连续文字串，每个连续文字串的长度等于或大于预定的文字串长度阈值。

7.根据权利要求6所述的方法，其中，所述文字串长度阈值基于以下任一项确定：

所述目标文字作品的作品平均句长信息；

所述目标文字作品的作者对应的作者平均句长信息。

8.根据权利要求1所述的方法，其中，所述根据所述优选作品单元中的文字信息生成所述目标文字作品的数字指纹包括：

从所述多个优选作品单元中的文字信息中抽取所述目标文字作品的作品文字特征信息；

根据所述作品文字特征信息生成所述目标文字作品的数字指纹。

9.一种用于生成文字作品的数字指纹的设备，其中，该设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1至8中任一项所述的操作。

10.一种包括指令的计算机可读介质，所述指令在被执行时使得系统进行如权利要求1至8中任一项所述的操作。