[发明专利]用于检测原创文本的方法、装置、电子设备及存储介质

说明书

本申请实施例公开了用于检测原创文本的方法、装置、电子设备及计算机可读存储介质，涉及自然语言处理、知识图谱、云服务、深度学习技术领域。该方法的一具体实施方式包括：从获取到的待检测文本中提取出主题；从该待检测文本中提取出主谓宾三元组；计算该待检测文本与公开文本各自的主题和主谓宾三元组之间的相似程度，并基于该相似程度确定该待检测文本是否为原创文本。为识别出经更复杂改写操作的非原创文本，该实施方式通过比对表达待检测文本与公开文本在所表达内容的主题和主谓宾三元组，来更加准确的识别两文本是否在内容上存在实质性等同或较为相似，进而使得原创文本的检测结果更加准确。

技术领域

本申请涉及数据处理技术领域，具体涉及自然语言处理、知识图谱、云服务、深度学习技术领域，尤其涉及用于检测原创文本的方法、装置、电子设备及计算机可读存储介质。

背景技术

随着电子信息化程度的不断提高、获取信息途径的不断增加，人们可以获取到丰富的信息，但同样的信息也很容易被他人直接或通过经过简单的改写后作为其原创内容在网络上发布。因此，验证实际内容是否为原创内容为高质量内容的产生促进、作者著作权保护、营销号传播低质信息甚至学术不端等方面都有着十分重要的作用。

现有技术通常仅能通过相同文本匹配、直接针对文本相似度识别，来识别出直接抄袭或仅做简单改写的非原创文本。

发明内容

本申请实施例提出了一种用于检测原创文本的方法、装置、电子设备及计算机可读存储介质。

第一方面，本申请实施例提出了一种用于检测原创文本的方法，包括：从获取到的待检测文本中提取出主题；从待检测文本中提取出主谓宾三元组；计算待检测文本与公开文本各自的主题和主谓宾三元组之间的相似程度，并基于相似程度确定待检测文本是否为原创文本。

第二方面，本申请实施例提出了一种用于检测原创文本的装置，包括：主题提取单元，被配置成从获取到的待检测文本中提取出主题；主谓宾三元组提取单元，被配置成从待检测文本中提取出主谓宾三元组；原创文本确定单元，被配置成计算待检测文本与公开文本各自的主题和主谓宾三元组之间的相似程度，并基于相似程度确定待检测文本是否为原创文本。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的用于检测原创文本的方法。

第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的用于检测原创文本的方法。

本申请实施例提供的用于检测原创文本的方法、装置、电子设备及计算机可读存储介质，首先，从获取到的待检测文本中提取出主题；然后，从该待检测文本中提取出主谓宾三元组；最后，计算该待检测文本与公开文本各自的主题和主谓宾三元组之间的相似程度，并基于该相似程度确定该待检测文本是否为原创文本。为识别出经更复杂改写操作的非原创文本，本申请通过比对表达待检测文本与公开文本在所表达内容的主题和主谓宾三元组，来更加准确的识别两文本是否在内容上存在实质性等同或较为相似，进而使得原创文本的检测结果更加准确。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构；

图2为本申请实施例提供的一种用于检测原创文本的方法的流程图；

图3为本申请实施例提供的另一种用于检测原创文本的方法的流程图；