一种文本内容查重的版权保护方法、装置及存储介质

专利主权项内容

1.一种文本内容查重的版权保护方法，其特征在于：所述方法包括：构建文本指纹库，文本指纹库包括用于文本内容查重的若干篇原创稿件的指纹信息以及对应的版权信息；提取待查重稿件的文本指纹列表，将待查重稿件的文本指纹列表与文本指纹库中的文本指纹列表进行匹配，匹配完毕后输出查重结果；其中，所述原创/待查重稿件的指纹信息的提取流程为：将原创/待查重稿件中的每个中文字符进行拼音转换，得到拼音列表；将拼音列表中每个拼音元素进行首字母提取，得到首字母列表，依次提取首字母列表的字母元素，并进行字符串拼接得到首字母长文本；采用滑动窗口对所述首字母长文本进行分段，得到首字母短文本列表；依次对首字母短文本列表中的每个首字母短文本进行指纹转化，生成每个首字母短文本的文本指纹，进而得到稿件的文本指纹列表；对任一首字母短文本进行指纹转化的流程如下：统计首字母短文本中每个字母元素的出现次数，提取出现次数最多的N个字母元素以及其对应的出现次数，生成对应首字母出现次数映射表；其中，N为预置的指纹长度；依次将首字母出现次数映射表中每个字母元素的出现次数与预置的指纹转化阈值进行如下比较，得到每个字母元素对应的指纹转化结果，生成对应首字母短文的文本指纹列表；若任一字母的出现次数大于预置的指纹转化阈值，则该字母元素对应的指纹转化结果为9；若任一字母的出现次数小于等于预置的指纹转化阈值，则该字母元素对应的指纹转化结果为Int(9/K)*x；其中，K为预置的指纹转化阈值，x为该字母元素的出现次数。