[发明专利]一种针对文档内容的洗稿检测方法及装置

摘要

本申请公开了一种针对文档内容的洗稿检测方法和装置，所述方法包括：提取目标文档的内容特征信息，检索收集以所述目标文档发布时间为起始节点的相似文档构建样本数据库；基于语法依存树的段落特征匹配规则，分析所述目标文档和所述样本数据库中的相似文档；采用预设的相似词词典和N‑gram模型中的数字指纹生成规则，对文字内容表达的相似度进行判定，识别表达型洗稿文档；对样本数据库的文档进行数字指纹匹配，若经过数字指纹匹配结果和重复度阈值，则判定所述目标文档为洗稿文档，生成对应的检测报告。采用本申请所述的方法，能够进行高效的对比识别，及时发现“洗稿”内容并提供证据，提高了内容匹配的精确度，降低了误判率。