[发明专利]一种原创文档判断方法、装置、电子设备及存储介质

摘要

本发明实施例提供了一种原创文档判断方法、装置、电子设备及存储介质，方法包括：接收待处理文档，采用simhash算法计算待处理文档的simhash签名；从预设原创文档库中获取第一原创文档的simhash签名，计算待处理文档与第一原创文档的相似度，在待处理文档与第一原创文档的相似度大于第一预设阈值时，获取第一原创文档，与待处理文档全文对比；获取待处理文档中与第一原创文档的相同内容，计算相同内容在第一原创文档中所占比例；在相同内容在第一原创文档中所占比例大于或等于第二预设阈值时，将待处理文档标记为非原创文档，在相同内容在第一原创文档中所占比例小于第二预设阈值时，将待处理文档标记为原创文档。本发明实施例可以提高原创文档确定的准确性。

主权项

1.一种原创文档判断方法，其特征在于，所述方法包括：接收用户终端发送的待处理文档，并采用simhash算法计算所述待处理文档的simhash签名；从预设原创文档库中获取第一原创文档的simhash签名，根据所述待处理文档的simhash签名与所述第一原创文档的simhash签名，计算所述待处理文档与所述第一原创文档的相似度，其中，所述第一原创文档为所述预设原创文档库中的任一原创文档；在所述待处理文档与所述第一原创文档的相似度大于第一预设阈值时，获取所述第一原创文档，并与所述待处理文档进行全文对比；获取所述待处理文档中与所述第一原创文档的相同内容，并计算所述相同内容在所述第一原创文档中所占比例；判断所述相同内容在所述第一原创文档中所占比例是否大于或等于第二预设阈值，在所述相同内容在所述第一原创文档中所占比例大于或等于第二预设阈值时，将所述待处理文档标记为非原创文档，在所述相同内容在所述第一原创文档中所占比例小于第二预设阈值时，将所述待处理文档标记为原创文档。