[发明专利]一种文本比对方法、装置、计算机设备及可读存储介质

权利要求书

1.一种文本比对方法，用于比较第一文本与第二文本，其特征在于，所述方法包括：

从第一文本中获取若干第一子文本以及从第二文本中获取若干第二子文本；

根据所述第一子文本以及第二子文本获取若干相似度值；所述相似度值为一个第一子文本与一个第二子文本之间相似的程度；

根据所述相似度值获取相似文本对，所述相似文本对包含第一子文本以及与该第一子文本相似度值最大的第二子文本；

获取所述相似文本对中的第一子文本与第二子文本的至少一个区别特征。

2.根据权利要求1所述的文本比对方法，其特征在于，根据所述第一子文本以及第二子文本获取若干相似度值具体包括：

分别获取所述第一子文本的第一字向量以及第二子文本的第二字向量；

其中，所述第一字向量包含第一子文本中每个字符单元的出现次数，所述第二字向量包含第二子文本中每个字符单元的出现次数，一个字符单元至少包含一个字符；

根据所述第一字向量以及第二字向量获取第一子文本与第二子文本的相似度值。

3.根据权利要求1所述的文本比对方法，其特征在于，根据所述相似度值获取相似文本对具体包括：

比较一个第一子文本与N个第二子文本之间的N个相似度值的大小；

选择N个相似度值中的最大值所对应的第二子文本，并将该第二子文本与该第一子文本作为相似文本对。

4.根据权利要求1所述的文本比对方法，其特征在于，获取所述相似文本对中的第一子文本与第二子文本的至少一个区别特征具体包括：

获取所述相似文本对中的至少一个公共字符串；所述公共字符串为所述第一子文本与第二子文本之间相同的字符串；所述字符串中至少包括一个字符单元；

确认所述相似文本对中的第一子文本和第二子文本内的第一区间和/或第二区间；所述第一区间为位于所述公共字符串之前的区间，所述第二区间为位于所述公共字符串之后的区间；

比较所述第一子文本中位于所述第一区间和/或第二区间内的第一字符单元以及第二子文本中位于所述第一区间和/或第二区间内的第二字符单元的内容；

根据所述内容确定区别特征，所述区别特征包括如下之一：缺少字符单元、增加字符单元以及不相同字符单元。

5.根据权利要求1所述的文本比对方法，其特征在于，从第一文本中获取若干第一子文本具体包括：

在所述第一文本中遍历子文本标记的起始字符，所述子文本标记为表征所述第一子文本的标记；

根据相邻的两个所述起始字符确认一个所述第一子文本。

6.根据权利要求1所述的文本比对方法，其特征在于，所述方法还包括：

在所述第一文本中遍历所述子文本标记的起始字符和结束字符，所述子文本标记为表征所述第一子文本的标记；

根据所述起始字符以及结束字符确认所述子文本标记；

根据相邻两个所述子文本标记确认一个所述第一子文本。

7.一种文本比对装置，用于比较第一文本与第二文本，其特征在于，所述装置包括：

第一获取单元，用于从第一文本中获取若干第一子文本以及从第二文本中获取若干第二子文本；

第二获取单元，用于根据所述第一子文本以及第二子文本获取若干相似度值；所述相似度值为一个第一子文本与一个第二子文本之间相似的程度；

第三获取单元，用于根据所述相似度值获取相似文本对，所述相似文本对包含第一子文本以及与该第一子文本相似度值最大的第二子文本；

第四获取单元，用于获取所述相似文本对中的第一子文本与第二子文本的至少一个区别特征。

8.根据权利要求7所述的一种文本比对装置，其特征在于，包括：

第五获取单元，用于在所述第一文本中遍历子文本标记的起始字符，所述子文本标记为表征所述第一子文本的标记；

第六获取单元，用于根据相邻的两个所述起始字符确认一个所述第一子文本。