[发明专利]文档检测方法、装置、设备及存储介质

权利要求书

1.一种文档检测方法，其特征在于，包括：

获取待处理文档的至少一个文档单元；

对所述文档单元进行特征识别，得到所述文档单元的属性特征；

根据所述属性特征对应的文档指标，对所述属性特征进行规范性分析，得到所述属性特征对应的规范性分析结果；

根据所述规范性分析结果，得到所述待处理文档的评估结果。

2.根据权利要求1所述的方法，其特征在于，获取所述待处理文档的至少一个文档单元，包括：

在展示所述待处理文档的过程中，至少截取所述待处理文档的一个展示界面；

将一个所述展示界面作为所述待处理文档的一个文档单元。

3.根据权利要求1所述的方法，其特征在于，对所述文档单元进行特征识别，得到所述文档单元的属性特征，包括：

获取所述待处理文档的文档类型；

确定与所述文档类型对应的特征识别模型；

利用所述特征识别模型对所述文档单元进行特征识别。

4.根据权利要求3所述的方法，其特征在于，获取所述待处理文档的文档类型，包括：

获取所述待处理文档的扩展名；

根据所述扩展名确定所述待处理文档的文档类型。

5.根据权利要求3所述的方法，其特征在于，获取所述待处理文档的文档类型，包括：

获取所述待处理文档中的预设关键字；

根据所述预设关键字确定所述待处理文档的文档类型。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述文档单元的属性特征包括字体格式、段落格式、背景风格、页面布局、链接、多媒体内容、文本内容、敏感词、错字和文档摘要中的至少一种。

7.根据权利要求6所述的方法，其特征在于，在所述文档单元的属性特征包括文档摘要的情况下，根据所述属性特征对应的文档指标，对所述属性特征进行规范性分析，得到所述属性特征对应的规范性分析结果，包括：

对待处理文档的多个所述文档单元各自对应的文档摘要进行聚类分析，得到聚类结果；

对于所述聚类结果中属于同一类别的文档摘要进行词性分析，得到所述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；

根据所述相关性分析的结果和所述属性特征对应的文档指标，得到所述属性特征对应的规范性分析结果。

8.根据权利要求7所述的方法，其特征在于，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：

根据所述词性相同的词的词向量夹角，计算所述词性相同的词之间的词向量距离；

根据所述词向量距离得到所述相关性分析的结果。

9.根据权利要求8所述的方法，其特征在于，根据所述词向量距离得到所述相关性分析的结果，包括：

在各个不同的词性各自对应的所述词向量距离中选取最大值；

根据所述最大值得到所述相关性分析的结果。

10.根据权利要求7至9中任一项所述的方法，其特征在于，根据所述相关性分析的结果和所述属性特征对应的文档指标，得到所述属性特征对应的规范性分析结果，包括：

根据所述相关性分析的结果，计算文档内容评估参数；

根据所述文档内容评估参数和所述属性特征对应的文档指标，得到所述属性特征对应的规范性分析结果。

11.根据权利要求10所述的方法，其特征在于，根据所述相关性分析的结果，计算文档内容评估参数，包括利用以下公式计算所述文档内容评估参数：

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