一种基于文档混合特征的文档相似度判定方法和装置

摘要

本发明公开了一种基于文档混合特征的文档相似度判定方法和装置，该方法包括以下步骤：对输入的文件或者数据流进行正则表达式匹配；如果匹配失败，则结束，如果匹配成功，对正则表达式匹配输出的多个特征字符串进行特征再处理；分别对特征再处理的多个结果进行链表管理，形成多个特征链表；对多个特征链表进行链表遍历和特征归并处理；输出相似度判定结果。通过本方案，大大提高结构化文档中表格数据的识别能力，可以大幅度条excel表格类型的文档相似度的判定能力，速度更快，容易理解，适合实际业务需要，为数据管控提供了坚实的技术能力。