[发明专利]一种文本相似度判别方法及装置

权利要求书

1.一种文本相似度判别方法，其特征在于，包括：

获取待测文本；

解析所述待测文本，提取至少部分待测文本的句子；

在预先建立的全量数据库中查询所述至少部分待测文本的句子；所述全量数据库中以句子为主键存储有至少一个第一文本的句子与第一文本名称的映射关系；其中，全量数据库中的每个句子对应唯一的第一文本名称；并且，所述全量数据库的数据表至少包括两列：一列存储句子，一列存储句子对应的第一文本名称；

根据查询结果生成待测文本与第一文本的相似度；

其中，所述全量数据库通过下述方法写入数据：

获取至少一个第一文本；

解析所述第一文本，提取所述第一文本中的句子；

在全量数据库中查询所述第一文本中的句子；

若找到，则从所述全量数据库中删除该句子的相关记录；

若未找到，将所述句子与所述句子对应的第一文本的名称的映射关系存入所述全量数据库。

2.根据权利要求1所述的文本相似度判别方法，其特征在于，所述解析所述第一文本，提取所述第一文本中的句子之后，还包括：

判断所述第一文本的句子的长度是否小于预设的长度；

若是，则删除所述句子。

3.根据权利要求1所述的文本相似度判别方法，其特征在于，所述解析所述待测文本，提取至少部分待测文本的句子之后，还包括：

判断所述至少部分待测文本的句子的长度是否小于预设的长度；

若是，则删除所述句子。

4.根据权利要求1所述的文本相似度判别方法，其特征在于，所述根据查询结果生成待测文本与第一文本的相似度，包括：

获取查找到的句子及所述查找到的句子对应的第一文本的名称；

根据查找到的句子中与每个第一文本的名称对应的句子的数目生成每个第一文本的第一匹配计数；

生成第一句子总数，所述第一句子总数为所述至少部分待测文本的句子总数；

根据每个第一文本的第一匹配计数与所述第一句子总数生成待测文本与每个第一文本的相似度。

5.根据权利要求4所述的文本相似度判别方法，其特征在于，所述解析所述待测文本，提取至少部分待测文本的句子，包括：

解析所述待测文本，获取所述待测文本的句子；

从所述待测文本的句子中提取预定比例的句子；

所述根据每个第一文本的第一匹配计数与所述第一句子总数生成待测文本与每个第一文本的相似度之后，还包括：

判断所述相似度是否大于预设的阈值；

若否，则从所述待测文本的句子中剩余的句子中提取至少部分句子，返回在预先建立的全量数据库中查询所述至少部分句子的步骤。

6.根据权利要求1所述的文本相似度判别方法，其特征在于，在向所述全量数据库写入数据之后，还包括：向每个第一文本的单本数据库写入数据的步骤；所述向每个第一文本的单本数据库写入数据包括：

将全量数据库的句子对应存储到所述句子对应的第一文本的单本数据库。

7.根据权利要求6所述的文本相似度判别方法，其特征在于，

所述解析所述待测文本，提取至少部分待测文本的句子包括：

解析所述待测文本，提取第一预定部分待测文本的句子和第二预定部分待测文本的句子；

所述在预先建立的全量数据库中查询所述至少部分待测文本的句子包括：

在所述全量数据库中查询所述第一预定部分待测文本的句子，获取查找到的句子对应的第一文本的名称；

所述在预先建立的全量数据库中查询所述至少部分待测文本的句子之后，还包括：

根据获取的第一文本的名称分别在对应的单本数据库中查询所述第二预定部分待测文本的句子；

所述根据查询结果生成待测文本与第一文本的相似度，包括：

根据第二预定部分待测文本的句子总数生成第二句子总数；

获取每个第一文本的单本数据库中查找到的句子的数目，根据所述数目生成每个第一文本的第二匹配计数；

根据每个第一文本的第二匹配计数与第二句子总数生成待测文本与每个第一文本的相似度。