[发明专利]文章原创检查方法、装置及存储介质

说明书

本发明公开了一种文章原创检查方法，包括：收到待检测文章，并标记所述文章的段落；根据标点符号将段落拆分出多个句子；并将段落的首段和末段的每一句子、中间段落随机选取一个句子放入待检队列；依次将所述待检队列的每一句子作为搜索关键词在搜索引擎中搜索，获取该句子对应的搜索结果；对所述搜索结果去重后计算所述搜索结果与对应的句子进行相似度计算，获得每一句子的相似度计算结果。此外还提供了文章原创检查装置及存储介质。本发明提供的技术方案，实现文章中的句子、段落、文章整体的相似度检查及其量化，提升了文章原创检查效率，且无须人为干预，节省人力，同时检查耗时短，结果判断准确。

技术领域

本发明涉及文章原创检查技术领域，尤其涉及一种文章原创检查方法、装置、存储介质及系统。

背景技术

文章的原创检查越来越多地利用搜索引擎实现，基于搜索引擎搜索结果比对查看文章的原创程度。该方法不同于利用专业的查重或抄袭检查工具，通过搜索引擎的检查使检查的范围更为广泛，可以更好地确认文章的原创程度。但在实际的操作中，通过检查人员手工对文章的内容进行搜索不太现实，一是文章经常包含了很多内容，需要先提取关键词，再根据关键词进行搜索，二是搜索内容过杂过多，需要进行一一筛检，耗时耗力，效率低下，且不能对检查结果量化，不能对文章的原创度进行准确判断。

发明内容

本发明提供一种文章原创检查方法、装置、存储介质及系统，旨在解决文章原创检查的问题。

为实现上述目的，本发明提供的文章原创检查方法包括：

收到待检测文章，并标记所述文章的段落；

根据标点符号将段落拆分出多个句子；并将段落的首段和末段的每一句子、中间段落随机选取一个句子放入待检队列；

依次将所述待检队列的每一句子作为搜索关键词在搜索引擎中搜索，获取该句子对应的搜索结果；

对所述搜索结果去重后计算所述搜索结果与对应的句子进行相似度计算，获得每一句子的相似度计算结果。

进一步地，所述文章原创检查方法还包括：

找出每一句子相似度大于等于预设的相似度阈值的搜索结果。

进一步地，所述将所述待检队列的每一句子作为搜索关键词在搜索引擎中搜索还包括：

将每一句子转换为汉语拼音后作为搜索关键词在搜索引擎中搜索。

进一步地，所述句子长度大于等于5个字且小于等于16个字。

进一步地，所述文章原创检查方法还包括：

将每一句子的相似度计算结果最大的搜索结果加入到文章的相似度审核库中；

对文章的相似度审核库中的相似度进行计算，以获得文章的整体相似度审核结果。

进一步地，所述对文章的相似度审核库中的相似度进行计算包括：

提取每一句子的搜索结果的源地址；

根据搜索结果的超链接计算源地址相同度以获得源地址相同度值；

根据源地址相同度值设定相同度权重，并根据权重计算文章相似度。

进一步地，所述文章相似度的计算公式为：

其中，

S表示文章相似度；

K表示权重；

N表示具有同一权重的句子数量；

T表示句子总数；

x、y为自然数。