[发明专利]文档检测方法、装置、设备及存储介质

说明书

本申请提出一种文档检测方法、装置、电子设备及存储介质。具体实现方案为：对待处理文档的多个文档单元分别进行摘要提取，得到多个文档单元各自对应的文档摘要；对文档摘要进行聚类分析，得到聚类结果；对于聚类结果中属于同一类别的文档摘要进行词性分析，得到文档摘要中每个词的词性；对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析；根据相关性分析的结果，得到待处理文档的评估结果。本申请实施例通过对同一类别的文档摘要的内容进行词性拆分，进而可以判别出有在语义上有差异的词。在此基础上对待处理文档的内容进行评估，提升了文档检测的准确度。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种文档检测方法、装置、设备及存储介质。

背景技术

随着互联网的发展，能够从各个角度展示主题内容的各类文档类型层出不穷。例如：PPT(PowerPoint，演示文稿)、WORD、PDF(Portable Document Format，可移植文档格式)等。以上各类文档可作为交互、沟通和展示主题思想的基础工具。但是，很多情况下，制作完成的文档可能会出现文档内容不符合正常逻辑的情况，例如文档前后的内容不一致、主体观点相悖等情况，从而造成文档阅读和观看的体验不佳。

发明内容

本申请实施例提供一种文档检测方法、装置、设备及存储介质，以解决相关技术存在的问题，技术方案如下：

第一方面，本申请实施例提供了一种文档检测方法，包括：

对待处理文档的多个文档单元分别进行摘要提取，得到多个文档单元各自对应的文档摘要；

对文档摘要进行聚类分析，得到聚类结果；

对于聚类结果中属于同一类别的文档摘要进行词性分析，得到文档摘要中每个词的词性；

对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析；

根据相关性分析的结果，得到待处理文档的评估结果。

在一种实施方式中，对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析，包括：

根据词性相同的词的词向量夹角，计算词性相同的词之间的词向量距离；

根据词向量距离得到相关性分析的结果。

在一种实施方式中，根据词向量距离得到相关性分析的结果，包括：

在各个不同的词性各自对应的词向量距离中选取最大值；

根据最大值得到相关性分析的结果。

在一种实施方式中，根据相关性分析的结果，得到待处理文档的评估结果，包括：

根据相关性分析的结果，计算文档内容评估参数；

根据文档内容评估参数，得到待处理文档的评估结果。

在一种实施方式中，根据相关性分析的结果，计算文档内容评估参数，包括利用以下公式计算文档内容评估参数：

其中，Q表示文档内容评估参数；P表示相关性分析的结果；α表示第一预设阈值；i表示文档摘要的个数。

在一种实施方式中，根据文档内容评估参数，得到待处理文档的评估结果，包括：

在文档内容评估参数小于等于第二预定阈值的情况下，确定待处理文档的评估结果为多个文档单元之间的内容不一致。

第二方面，本申请实施例提供了一种文档检测装置，包括：

提取模块，用于对待处理文档的多个文档单元分别进行摘要提取，得到多个文档单元各自对应的文档摘要；