[發明專利]文本相同內容查詢方法、裝置、設備及存儲介質

在審

• 申請號: 201911354493.8
• 申請日: 2019-12-24
• 公開（公告）號: CN111125313A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 王防修
• 申請（專利權）人: 武漢輕工大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/174;G06F16/903
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 王徑武

本發明公開了一種文本相同內容查詢方法、裝置、設備及存儲介質，屬于計算機技術領域。本發明通過數據壓縮的方式實現求最長公共子序列，該方法所使用的內存空間只占數據未壓縮時的1/8，其次，為了求更長的公共子系列，進一步設計了用外存代替內存來實現數據的存儲，通過外存代替內存進行數據的存儲，使得最長公共子序列的實現不受內存空間的限制，不會因為內存空間不足導致無法求出最長公共子序列，只要外存空間允許，就能求出更長的最長公共子系列，從而能夠求出任意兩個文本文件的最長公共子序列。

技術領域

本發明涉及計算機技術領域，尤其涉及一種文本相同內容查詢方法、裝置、設備及存儲介質。

背景技術

隨著計算機的廣泛應用，人們通過計算機對各種文件進行存儲，例如說明書，合同以及論文等，而在實際情況中，人們經常會對文件進行各種各樣的修改，有的文件修改可能只是文件中某一小部分，人工方式難以查詢文件之間的差異，因此通常通過計算機對類似進行比對查重，查找出類似文件之間的相同部分，而相關技術在查找文件的相同內容時，占用的內存空間過大，由于內存空間的限制導致文件的相同內容查找不全。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種文本相同內容查詢方法，旨在文件查重占用內存空間過大導致文件相同內容查找不全面的技術問題。

為實現上述目的，本發明提供了一種文本相同內容查詢的方法，所述方法包括以下步驟:

獲取第一文本字符串及第二文本字符串；

將所述第一文本字符串與所述第二文本字符串進行比對，根據比對結果得到多個特征參數；

對所述特征參數進行壓縮，得到目標特征參數；

根據所述目標特征參數構建目標特征矩陣；

根據所述目標特征矩陣確定所述第一文本字符串與第二文本字符串之間的最長公共子序列；

將所述最長公共子序列對應的內容作為文本相同內容。

優選地，所述將所述第一文本字符串與所述第二文本字符串進行比對，根據比對結果得到多個特征參數的步驟，具體包括：

將所述第一文本字符串與第二文本字符串中的各元素進行一一比對，并根據比對結果確定多個公共子序列的長度；

將各公共子序列的長度進行比較，根據比較結果確定多個特征參數。

優選地，所述對所述特征參數進行壓縮，得到目標特征參數的步驟，具體包括：

獲取所述第一文本字符串與所述第二文本字符串中各元素對應的位置變量；

根據預設算法對所述位置變量進行計算，得到各個特征參數對應的目標存放位置；

按照所述目標存放位置對各個特征參數進行存儲，得到目標特征參數。

優選地，所述按照所述目標存放位置對各個特征參數進行存儲，得到目標特征參數的步驟，具體包括：

根據預設比例對各個特征參數進行數值放大，得到放大特征參數；

按照所述目標存放位置對所述放大特征參數進行存儲，得到目標特征矩陣。

優選地，所述根據所述目標特征參數構建目標特征矩陣的步驟，具體包括：

將所述位置變量作為矩陣的行和列；

根據所述目標特征參數對所述矩陣中的各個變量進行賦值，得到目標特征矩陣。

優選地，所述根據所述目標特征參數構建目標特征矩陣的步驟之后，還包括：