[发明专利]投标文件相似度计算方法及装置

权利要求书

1.一种投标文件相似度计算方法，其特征在于，包括：

获取第一投标文件的有效文本信息以及第二投标文件的有效文本信息；

根据预设的相同词语查找算法在第二投标文件的有效文本信息的第N-a页至第N+b页中查找出与第一投标文件的有效文本信息的第N页中的段落语义相同的段落；

根据查找出的语义相同的段落确定第一投标文件的有效文本信息和第二投标文件的有效文本信息的相同词数；

根据所述相同词数确定第一投标文件和第二投标文件的相似度；

所述根据预设的相同词语查找算法在第二投标文件的有效文本信息的第N-a页至第N+b页中查找出与第一投标文件的有效文本信息的第N页中的段落语义相同的段落，包括：

当两个段落相同词语的数量大于第一预设值时和/或当两个段落相同词语的数量占两个段落总词语数的百分比大于第二预设值时，确定该两个段落为语义相同的段落。

2.根据权利要求1所述的投标文件相似度计算方法，其特征在于，还包括：

对第一投标文件和第二投标文件进行预处理，分别得到第一投标文件的有效文本信息以及第二投标文件的有效文本信息，其中，预处理包括：分词处理、去噪处理以及去除模板内容中的至少一种。

3.根据权利要求2所述的投标文件相似度计算方法，其特征在于，所述对第一投标文件和第二投标文件进行预处理，分别得到第一投标文件的有效文本信息以及第二投标文件的有效文本信息，具体包括：

对所述第一投标文件和所述第二投标文件进行分词处理；

对分词处理后的所述第一投标文件和所述第二投标文件进行去噪处理；

对去噪处理后的所述第一投标文件和所述第二投标文件根据预设的投标文件模板内容进行去除模板内容处理，分别得到第一投标文件的有效文本信息以及第二投标文件的有效文本信息。

4.根据权利要求1所述的投标文件相似度计算方法，其特征在于，所述相同词语查找算法为Rabin-Karp算法。

5.一种投标文件相似度计算装置，其特征在于，包括：

有效文本信息获取单元，用于获取第一投标文件的有效文本信息以及第二投标文件的有效文本信息；

语义相同段落查找单元，用于根据预设的相同词语查找算法在第二投标文件的有效文本信息的第N-a页至第N+b页中查找出与第一投标文件的有效文本信息的第N页中的段落语义相同的段落；

相同词数确定单元，用于根据查找出的语义相同的段落确定第一投标文件的有效文本信息和第二投标文件的有效文本信息的相同词数；

相似度计算单元，用于根据所述相同词数确定第一投标文件和第二投标文件的相似度；

所述语义相同段落查找单元，还用于当两个段落相同词语的数量大于第一预设值时和/或当两个段落相同词语的数量占两个段落总词语数的百分比大于第二预设值时，确定该两个段落为语义相同的段落。

6.根据权利要求5所述的投标文件相似度计算装置，其特征在于，还包括：

有效文本信息生成单元，用于对第一投标文件和第二投标文件进行预处理，分别得到第一投标文件的有效文本信息以及第二投标文件的有效文本信息，其中，预处理包括：分词处理、去噪处理以及去除模板内容中的至少一种。

7.根据权利要求6所述的投标文件相似度计算装置，其特征在于，所述有效文本信息生成单元，包括：

分词处理模块，用于对所述第一投标文件和所述第二投标文件进行分词处理；

去噪处理模块，用于对分词处理后的所述第一投标文件和所述第二投标文件进行去噪处理；

去除模板内容模块，用于对去噪处理后的所述第一投标文件和所述第二投标文件根据预设的投标文件模板内容进行去除模板内容处理，分别得到第一投标文件的有效文本信息以及第二投标文件的有效文本信息。

8.根据权利要求5所述的投标文件相似度计算装置，其特征在于，所述相同词语查找算法为Rabin-Karp算法。