[发明专利]相似文本判定方法和装置

摘要

本申请公开了一种相似文本判定方法和装置。其中，该方法包括分别按照断句符对第一文本和第二文本进行分块，得到第一内容块集合和第二内容块集合；分别从第一内容块集合中各个内容块和第二内容块集合中各个内容块中获取第一预设数量的字符，得到第三内容块集合和第四内容块集合；以及当判断出第三内容块集合和第四内容块集合中相同内容块的数量大于预设值时，则判定第一文本和第二文本为相似文本。本申请解决了相关技术中进行相似文本判定时准确性较低的问题。

主权项

一种相似文本判定方法，其特征在于，包括：分别按照断句符对第一文本和第二文本进行分块，得到第一内容块集合和第二内容块集合，其中，所述第一内容块集合为所述第一文本分块后得到的内容块集合，所述第二内容块集合为所述第二文本分块后得到的内容块集合；分别从所述第一内容块集合中各个内容块和所述第二内容块集合中各个内容块中获取第一预设数量的字符，得到第三内容块集合和第四内容块集合，其中，所述第三内容块集合为从所述第一内容块集合的各个内容块中获取的第一预设数量的字符组成的内容块集合，所述第四内容块集合为从所述第二内容块集合的各个内容块中获取的第一预设数量的字符组成的内容块集合；以及判断所述第三内容块集合和所述第四内容块集合中相同内容块的数量是否大于预设值，其中，在判断出所述第三内容块集合和所述第四内容块集合中相同内容块的数量大于所述预设值时，则判定所述第一文本和所述第二文本为相似文本，在判断出所述第三内容块集合和所述第四内容块集合中相同的内容块的数量不大于所述预设值时，则判定所述第一文本和所述第二文本为不相似文本。