[发明专利]一种文档检测的方法、服务器及计算机可读存储介质

权利要求书

1.一种文档检测的方法，其特征在于，包括：

构建预设文档的指纹库，所述指纹库用于存储所述预设文档的特征数据；

根据所述指纹库中的特征数据，对待检测文档进行相似度检测和文档重复度检测。

2.根据权利要求1所述的方法，其特征在于，所述构建预设文档的指纹库，具体包括：

抽取预设文档中的内容，通过局部敏感哈希算法生成所述预设文档的特征词和特征字，并获取所述预设文档中的语句块，将所述特征词、所述特征字和所述语句块存入指纹库。

3.根据权利要求1所述的方法，其特征在于，根据所述指纹库中的特征数据，对待检测文档进行相似度检测和文档重复度检测，具体包括：

根据所述指纹库和待检文档的特征数据，对待检文档和预设文档进行相似度检测，并对待检文档和预设文档进行文档重复度检测。

4.根据权利要求3所述的方法，其特征在于，还包括：

抽取所述待检文档的特征数据。

5.根据权利要求4所述的方法，其特征在于，抽取所述待检文档的特征数据，具体包括：

通过局部敏感哈希算法抽取所述待检文档的特征词和特征字。

6.根据权利要求3所述的方法，其特征在于，对待检文档和预设文档进行文档重复度检测，具体包括：

判断待检文档中是否存在预设文档中的语句块，如果是，则记录待检文档存在所述语句块的个数，否则，则判定待检文档与所述预设文档不存在重复。

7.根据权利要求6所述的方法，其特征在于，判断待检文档中是否存在预设文档中的语句块，具体包括：

判断待检文档中是否存在，与预设文档中的语句块意思相同，且与所述语句块的字数的差值在预设字数范围内的语句块，如果是，则确定待检文档存在所述语句块。

8.根据权利要求1所述的方法，其特征在于，

所述特征数据包括以下中的一种或多种：特征字、特征词和语句块。

9.一种服务器，其特征在于，所述服务器包括处理器、存储器及通信总线；

所述通信总线用于实现处理器和存储器之间的连接通信；

所述处理器用于执行存储器中存储的计算机指令，以实现权利要求1至8中任一项所述的文档检测的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至8中任一项所述的文档检测的方法。