[发明专利]文档比对方法、装置、电子设备及可读存储介质

说明书

本公开公开了一种文档比对方法、装置、电子设备及可读存储介质，涉及数据处理技术领域，具体涉及大数据技术领域。本公开通过根据待比对的特定格式的两个文档中各文档的文档布局，对所述各文档进行区域划分处理，以获得所述各文档之间相互对应的至少两组比对单元，使得能够对所述至少两组比对单元中各组比对单元进行内容比对，以获得所述各组比对单元的内容比对结果，作为所述各文档的比对结果，由于将待比对的各文档进行了基于文档布局的区域划分，获得各文档之间相互对应的多组比对单元，然后将所获得的不同区域的各组比对单元单独进行对应的内容比对，从而有效提高了文档比对的准确率。

技术领域

本共开涉及数据处理技术领域，具体涉及大数据技术领域，尤其涉及一种文档比对方法、装置、电子设备及可读存储介质。

背景技术

在对不同版本的文档进行内容比对时，例如，合同、论文、模板等可能会具有多种版本的文档，传统的比对算法基于文本行进行，通常的处理方式是通过文档解析技术获取到两个待比对的文档的文本行后，从左到右从上到下排序形成句子集合，拼接形成字符串，然后逐字符进行比对。这种方式，文档比对的准确率较低。

发明内容

本公开的多个方面提供一种文档比对方法、装置、电子设备及可读存储介质，用以识别重复的数据，以提高数据的可靠性和有效性。

根据本公开的一方面，提供了一种文档比对方法，包括：

根据待比对的两个文档中各文档的文档布局，对所述各文档进行区域划分处理，以获得所述各文档之间相互对应的至少两组比对单元；其中，所述文档布局包括布局标识、布局内容和布局位置中的至少一项；

对所述至少两组比对单元中各组比对单元进行内容比对，以获得所述各组比对单元的内容比对结果；

根据所述各组比对单元的内容比对结果，获得所述两个文档的比对结果。

根据本公开的另一方面，提供了一种文档比对装置，包括：

划分单元，用于根据待比对的两个文档中各文档的文档布局，对所述各文档进行区域划分处理，以获得所述各文档之间相互对应的至少两组比对单元；其中，所述文档布局包括布局标识、布局内容和布局位置中的至少一项；

内容单元，用于对所述至少两组比对单元中各组比对单元进行内容比对，以获得所述各组比对单元的内容比对结果；

结果单元，用于根据所述各组比对单元的内容比对结果，获得所述两个文档的比对结果。

根据本公开的再一方面，提供一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。

根据本公开的又一方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。

根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。

由上述技术方案可知，本公开实施例通过根据待比对的特定格式的两个文档中各文档的文档布局，对所述各文档进行区域划分处理，以获得所述各文档之间相互对应的至少两组比对单元，使得能够对所述至少两组比对单元中各组比对单元进行内容比对，以获得所述各组比对单元的内容比对结果，作为所述各文档的比对结果，由于将待比对的各文档进行了基于文档布局的区域划分，获得各文档之间相互对应的多组比对单元，然后将所获得的不同区域的各组比对单元单独进行对应的内容比对，从而有效提高了文档比对的准确率。