[发明专利]一种金融行业基于文档结构自动寻找局部差异点的方法和装置

权利要求书

1.一种金融行业基于文档结构自动寻找局部差异点的方法，其特征在于，针对两个文档，所述方法包括：

分别解析两个文档的结构，获取两组的正文段落；

将两组正文段落进行相似度匹配得到多个段落对；

对于每个段落对中的两个段落进行比较，获取两个文档中第一文档相对于第二文档的差异点。

2.根据权利要求1所述的金融行业基于文档结构自动寻找局部差异点的方法，其特征在于，所述方法还包括：将差异点按照第一文档的段落自然顺序排列。

3.根据权利要求2所述的金融行业基于文档结构自动寻找局部差异点的方法，其特征在于，所述获取两组的正文段落包括：

除去文档中的图像和表格；

统计不同字号文字字数占文档中所有文字字数的比例，取所占比例最大的字号文字作为正文段落文字使用字号。

4.根据权利要求3所述的金融行业基于文档结构自动寻找局部差异点的方法，其特征在于，所述将两组正文段落进行匹配得到多个段落对包括：

将两个文档的正文段落按照长度降序排序；

将两个文档的不同段落交叉组合组成段落对。

5.根据权利要求4所述的金融行业基于文档结构自动寻找局部差异点的方法，其特征在于，所述将序号相同的段落组成段落对之后，还要计算段落对中两个段落的相似度，剔除相似度小于设定阈值的段落对。

6.根据权利要求5所述的金融行业基于文档结构自动寻找局部差异点的方法，其特征在于，所述对于每个段落对中的两个段落进行比较包括：

使用最长公共子串算法比较两个段落。

7.一种金融行业基于文档结构自动寻找局部差异点的装置，其特征在于，所述装置包括存储单元、处理器，所述存储单元存储有计算机程序，所述处理器执行所述计算机程序后实现权利要求1-6中任一所述的金融行业基于文档结构自动寻找局部差异点的方法。