[發(fā)明專利]一種用于復(fù)合文檔的同源判定、差異化顯示方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011437703.2
• 申請日: 2020-12-07
• 公開（公告）號: CN112507660A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計）人: 連慧奇;許全聰;吳少華;吳江煌;吳世雄;彭玄寧
• 申請（專利權(quán)）人: 廈門美亞億安信息科技有限公司
• 主分類號: G06F40/106
• 分類號: G06F40/106;G06F40/166;G06F40/194
• 代理公司: 廈門福貝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 35235
• 代理人: 陳遠(yuǎn)洋

本發(fā)明給出了一種用于復(fù)合文檔的同源判定、差異化顯示方法和系統(tǒng)，包括對復(fù)合文檔進(jìn)行預(yù)處理，分別提取復(fù)合文檔的內(nèi)嵌文件；搜索內(nèi)嵌文件中的版本跟蹤信息，提取并分別構(gòu)成復(fù)合文檔的版本跟蹤信息集合；響應(yīng)于任意兩個復(fù)合文檔的版本跟蹤信息集合存在交集，該任意兩個復(fù)合文檔同源。進(jìn)一步定義同源復(fù)合文檔的差異部分的顯示樣式；在需要顯示差異的復(fù)合文檔的版本跟蹤信息對應(yīng)的差異段落元素中插入顯示樣式，打開復(fù)合文檔顯示顯示樣式的差異部分。可快速判定不同的文件是否存在關(guān)聯(lián)關(guān)系，并對修改或新增的內(nèi)容進(jìn)行差異展示。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)技術(shù)應(yīng)用領(lǐng)域，尤其是一種用于復(fù)合文檔的同源判定、差異化顯示方法和系統(tǒng)。

背景技術(shù)

隨著辦公電子化的發(fā)展，復(fù)合文檔被廣泛的應(yīng)用于各種場景，如企業(yè)標(biāo)書、設(shè)計文檔、技術(shù)文檔等。同時復(fù)合文檔也存在可修改，容易被復(fù)制等問題，導(dǎo)致文檔被篡改或者偽造的情況普遍存在。例如企業(yè)招投標(biāo)圍標(biāo)中，常常涉及到需要鑒定不同供應(yīng)商提交的標(biāo)書文件是否由同一個單位或者個人進(jìn)行編制的情況，另外在一些知識產(chǎn)權(quán)侵犯或者商業(yè)秘密泄露案中，也常常會涉及到對文件同源的鑒定。文件同源判定即判斷文件是否來著同一個文件的副本，或者一個文件是由另一個文件修改而來的。

目前，市場上存在一系列工具和一些文本對比算法，比如Beyond Compare、Microsoft Office內(nèi)置文檔對比等工具，比如TF-IDF、BM25等文本相似對比算法，但都有如下問題：

1、現(xiàn)有的基于文件內(nèi)容的對比算法實現(xiàn)復(fù)雜；

2、采用文本相似性算法進(jìn)行對比，只能得到文檔的相似度，無法準(zhǔn)確的判斷是否是同源文件；

3、對于同源文檔的差異化顯示難以自定義化顯示效果。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中文件內(nèi)容的對比算法實現(xiàn)復(fù)雜、采用文本相似性算法進(jìn)行對比，只能得到文檔的相似度、無法準(zhǔn)確的判斷是否是同源文件、對于同源文檔的差異化顯示難以自定義化顯示效果的技術(shù)問題，本發(fā)明提出了一種用于復(fù)合文檔的同源判定、差異化顯示方法和系統(tǒng)，用以解決上述技術(shù)問題。

根據(jù)本發(fā)明的一個方面，提出了一種用于復(fù)合文檔的同源判定方法，包括以下步驟：

S1：對復(fù)合文檔進(jìn)行預(yù)處理，分別提取復(fù)合文檔的內(nèi)嵌文件；

S2：搜索內(nèi)嵌文件中的版本跟蹤信息，提取并分別構(gòu)成復(fù)合文檔的版本跟蹤信息集合；以及

S3：響應(yīng)于任意兩個復(fù)合文檔的版本跟蹤信息集合存在交集，該任意兩個復(fù)合文檔同源。

在一些具體的實施例中，對復(fù)合文檔進(jìn)行預(yù)處理具體包括對復(fù)合文檔進(jìn)行解壓，提取document.xml文件。憑借document.xml文件可以提取復(fù)合文檔的各種標(biāo)識信息，作為同源判定的數(shù)據(jù)基礎(chǔ)。

在一些具體的實施例中，版本跟蹤信息包括document.xml文件中的rsid*值。利用rsid*值可以快速判斷兩復(fù)合文檔是否為同源文件。

根據(jù)本發(fā)明的第二方面，提出了一種用于復(fù)合文檔的差異化顯示方法，包括：

利用如上述的同源判定方法獲取同源復(fù)合文檔；

定義同源復(fù)合文檔的差異部分的顯示樣式；

在需要顯示差異的復(fù)合文檔的版本跟蹤信息對應(yīng)的差異段落元素中插入顯示樣式，打開復(fù)合文檔顯示顯示樣式的差異部分。利用上述方法可以將兩同源復(fù)合文檔的差異部分按自定義的顯示樣式表現(xiàn)出來。

在一些具體的實施例中，顯示樣式包括粗體、高亮黃色、紅色字體、斜體和下劃線中的一個或其組合。多種顯示樣式的選擇或者復(fù)合組合可以獲得多種不同的顯示效果。

在一些具體的實施例中，差異部分包括新增、修改和刪除的文檔數(shù)據(jù)。差異部分的多種情況可以滿足不同的顯示要求。