[发明专利]信息溯源方法和装置、及存储介质和电子设备

权利要求书

1.一种信息溯源方法，其特征在于，所述方法包括：

根据第一预设匹配规则，提取溯源文档中的所有链接；

遍历所述链接，解析出每个所述链接对应的链接文档的链接文档标题；

筛选出大于或者等于预设标题字符数量的所述链接文档标题作为第一相似标题；

获取所述溯源文档的标题，并根据所述溯源文档的标题和所述第一相似标题，从所述第一相似标题中筛选出第二相似标题，并将其对应的链接文档作为相似文档；

获取所述溯源文档的文本内容以及所述相似文档的文本内容，根据所述溯源文档的文本内容和所述相似文档的文本内容，计算所述溯源文档的文本内容与所述相似文档的文本内容的文本相似度，并将最大的所述文本相似度对应的所述相似文档作为所述溯源文档的源文档。

2.根据权利要求1所述的方法，其特征在于，若所述溯源文档中不存在所述链接，或者所述链接文档中不存在所述相似文档，所述方法还包括：

从所述溯源文档的文本内容中提取预设数量的字符作为筛选文本，并根据第二预设匹配规则，从所述筛选文本中提取筛选文本关键字；

查找预设文档关键字库中是否存在所述筛选文本关键字；

若存在，将所述预设文档关键字库中包括所述筛选文本关键字的预设文档作为所述相似文档。

3.根据权利要求1所述的方法，其特征在于，若所述溯源文档中不存在所述链接，或者所述链接文档中不存在所述相似文档，所述方法还包括：

若不存在，确定所述溯源文档不存在所述源文档；

或者，若不存在，将所述溯源文档的标题转发至目标搜索引擎进行搜索操作，得到至少一个搜索文档链接；

获取所述搜索文档链接对应的搜索文档的文本内容；

根据所述溯源文档的文本内容和所述搜索文档的文本内容，计算所述溯源文档的文本内容与所述搜索文档的文本内容的文本相似度，并将最大的所述文本相似度对应的所述搜索文档作为所述溯源文档的源文档。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若不存在，确定所述溯源文档不存在所述源文档；

或者，若不存在，将所述筛选文本关键字转发至目标搜索引擎进行搜索操作，得到至少一个搜索文档链接；

获取所述搜索文档链接对应的搜索文档的文本内容；

根据所述溯源文档的文本内容和所述搜索文档的文本内容，计算所述溯源文档的文本内容与所述搜索文档的文本内容的文本相似度，并将最大的所述文本相似度对应的所述搜索文档作为所述溯源文档的源文档。

5.根据权利要求1所述的方法，其特征在于，所述获取所述溯源文档的标题，并根据所述溯源文档的标题和所述第一相似标题，从所述第一相似标题中筛选出第二相似标题，并将其对应的链接文档作为相似文档，包括：

获取所述溯源文档的标题；

根据所述溯源文档的标题和所述第一相似标题，计算所述溯源文档的标题与所述第一相似标题的标题相似度；

基于预设标题相似度阈值和所述标题相似度，从所述第一相似标题中筛选出第二相似标题，并将其对应的链接文档作为相似文档。

6.根据权利要求2所述的方法，其特征在于，所述从所述溯源文档的文本内容中提取预设数量的字符作为筛选文本，并根据第二预设匹配规则，从所述筛选文本中提取筛选文本关键字，包括：

分别提取所述溯源文档的文本内容的前M个字符和后N个字符，其中，M、N为正整数；

将所述溯源文档的文本内容的前M个字符和后N个字符进行拼接作为所述筛选文本；

根据正则表达规则，从所述筛选文本中提取符合所述正则表达规则的筛选文本关键字。