1.一種相似文本判定方法，其特征在于，包括：
分別按照斷句符對第一文本和第二文本進行分塊，得到第一內(nèi)容塊集合和第二內(nèi)容塊集合，其中，所述第一內(nèi)容塊集合為所述第一文本分塊后得到的內(nèi)容塊集合，所述第二內(nèi)容塊集合為所述第二文本分塊后得到的內(nèi)容塊集合；
分別從所述第一內(nèi)容塊集合中各個內(nèi)容塊和所述第二內(nèi)容塊集合中各個內(nèi)容塊中獲取第一預(yù)設(shè)數(shù)量的字符，得到第三內(nèi)容塊集合和第四內(nèi)容塊集合，其中，所述第三內(nèi)容塊集合為從所述第一內(nèi)容塊集合的各個內(nèi)容塊中獲取的第一預(yù)設(shè)數(shù)量的字符組成的內(nèi)容塊集合，所述第四內(nèi)容塊集合為從所述第二內(nèi)容塊集合的各個內(nèi)容塊中獲取的第一預(yù)設(shè)數(shù)量的字符組成的內(nèi)容塊集合；以及
判斷所述第三內(nèi)容塊集合和所述第四內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量是否大于預(yù)設(shè)值，其中，在判斷出所述第三內(nèi)容塊集合和所述第四內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量大于所述預(yù)設(shè)值時，則判定所述第一文本和所述第二文本為相似文本，在判斷出所述第三內(nèi)容塊集合和所述第四內(nèi)容塊集合中相同的內(nèi)容塊的數(shù)量不大于所述預(yù)設(shè)值時，則判定所述第一文本和所述第二文本為不相似文本。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，判斷所述第三內(nèi)容塊集合和所述第四內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量是否大于預(yù)設(shè)值包括：
分別從所述第三內(nèi)容塊集合和所述第四內(nèi)容塊集合中獲取第二預(yù)設(shè)數(shù)量的內(nèi)容塊，得到第五內(nèi)容塊集合和第六內(nèi)容塊集合，其中，所述第五內(nèi)容塊集合為從所述第三內(nèi)容塊集合中獲取的第二預(yù)設(shè)數(shù)量的內(nèi)容塊組成的內(nèi)容塊集合，所述第六內(nèi)容塊集合為從所述第四內(nèi)容塊集合中獲取的第二預(yù)設(shè)數(shù)量的內(nèi)容塊組成的內(nèi)容塊集合；
統(tǒng)計所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量；以及
判斷所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量是否大于所述預(yù)設(shè)值，其中，在判斷出所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量大于所述預(yù)設(shè)值時，則判定所述第一文本和所述第二文本為相似文本，在判斷出所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同的內(nèi)容塊的數(shù)量不大于所述預(yù)設(shè)值時，則判定所述第一文本和所述第二文本為不相似文本。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，統(tǒng)計所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量包括：
分別計算所述第五內(nèi)容塊集合中各個內(nèi)容塊和所述第六內(nèi)容塊集合中各個內(nèi)容塊的哈希值，得到第一哈希值集合和第二哈希值集合，其中，所述第一哈希值 集合為所述第五內(nèi)容塊集合中各個內(nèi)容塊的哈希值組成的集合，所述第二哈希值集合為所述第六內(nèi)容塊集合中各個內(nèi)容塊的哈希值組成的集合；以及
根據(jù)所述第一哈希值集合和所述第二哈希值集合統(tǒng)計所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同的內(nèi)容塊的數(shù)量。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，分別從所述第一內(nèi)容塊集合中各個內(nèi)容塊和所述第二內(nèi)容塊集合中各個內(nèi)容塊中獲取第一預(yù)設(shè)數(shù)量的字符，得到第三內(nèi)容塊集合和第四內(nèi)容塊集合包括：
分別統(tǒng)計所述第一內(nèi)容塊集合中各個內(nèi)容塊和所述第二內(nèi)容塊集合中各個內(nèi)容塊的字符數(shù)；
分別判斷所述第一內(nèi)容塊集合和所述第二內(nèi)容塊集合中是否存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊；
如果判斷出所述第一內(nèi)容塊集合中存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊，則獲取所述字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊的全部字符和所述字符數(shù)不小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊的第一預(yù)設(shè)數(shù)量的字符，得到所述第三內(nèi)容塊集合，如果判斷出所述第一內(nèi)容塊集合中不存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊，則獲取所述第一內(nèi)容塊集合中各個內(nèi)容塊的第一預(yù)設(shè)數(shù)量的字符，得到所述第三內(nèi)容塊集合；以及
如果判斷出所述第二內(nèi)容塊集合中存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊，則獲取所述字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊的全部字符和所述字符數(shù)不小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊的第一預(yù)設(shè)數(shù)量的字符，得到所述第四內(nèi)容塊集合，如果判斷出所述第二內(nèi)容塊集合中不存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊，則獲取所述第二內(nèi)容塊集合中各個內(nèi)容塊的第一預(yù)設(shè)數(shù)量的字符，得到所述第四內(nèi)容塊集合。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在分別從所述第一內(nèi)容塊集合中各個內(nèi)容塊和所述第二內(nèi)容塊集合中各個內(nèi)容塊中獲取第一預(yù)設(shè)數(shù)量的字符，得到第三內(nèi)容塊集合和第四內(nèi)容塊集合之后，所述方法還包括：
分別判斷所述第三內(nèi)容塊集合中各個內(nèi)容塊和所述第四內(nèi)容塊集合中各個內(nèi)容塊的字符數(shù)是否處于預(yù)設(shè)范圍內(nèi)；以及
如果判斷出所述第三內(nèi)容塊集合中存在內(nèi)容塊的字符數(shù)未處于所述預(yù)設(shè)范圍內(nèi)，則從所述第三內(nèi)容塊集合中剔除所述字符數(shù)未處于所述預(yù)設(shè)范圍內(nèi)的內(nèi)容塊，如果判斷出所述第四內(nèi)容塊集合中存在內(nèi)容塊的字符數(shù)未處于所述預(yù)設(shè)范圍內(nèi)， 則從所述第四內(nèi)容塊集合中剔除所述字符數(shù)未處于所述預(yù)設(shè)范圍內(nèi)的內(nèi)容塊。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在分別按照斷句符對第一文本和第二文本進行分塊，得到第一內(nèi)容塊集合和第二內(nèi)容塊集合之前，所述方法還包括：分別對所述第一文本和所述第二文本進行預(yù)處理，其中，基于預(yù)處理后第一文本和第二文本進行分塊。
7.一種相似文本判定裝置，其特征在于，包括：
分塊單元，用于分別按照斷句符對第一文本和第二文本進行分塊，得到第一內(nèi)容塊集合和第二內(nèi)容塊集合，其中，所述第一內(nèi)容塊集合為所述第一文本分塊后得到的內(nèi)容塊集合，所述第二內(nèi)容塊集合為所述第二文本分塊后得到的內(nèi)容塊集合；
獲取單元，用于分別從所述第一內(nèi)容塊集合中各個內(nèi)容塊和所述第二內(nèi)容塊集合中各個內(nèi)容塊中獲取第一預(yù)設(shè)數(shù)量的字符，得到第三內(nèi)容塊集合和第四內(nèi)容塊集合，其中，所述第三內(nèi)容塊集合為從所述第一內(nèi)容塊集合的各個內(nèi)容塊中獲取的第一預(yù)設(shè)數(shù)量的字符組成的內(nèi)容塊集合，所述第四內(nèi)容塊集合為從所述第二內(nèi)容塊集合的各個內(nèi)容塊中獲取的第一預(yù)設(shè)數(shù)量的字符組成的內(nèi)容塊集合；以及
判斷單元，用于判斷所述第三內(nèi)容塊集合和所述第四內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量是否大于預(yù)設(shè)值，其中，在判斷出所述第三內(nèi)容塊集合和所述第四內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量大于所述預(yù)設(shè)值時，則判定所述第一文本和所述第二文本為相似文本，在判斷出所述第三內(nèi)容塊集合和所述第四內(nèi)容塊集合中相同的內(nèi)容塊的數(shù)量不大于所述預(yù)設(shè)值時，則判定所述第一文本和所述第二文本為不相似文本。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述判斷單元包括：
第一獲取模塊，用于分別從所述第三內(nèi)容塊集合和所述第四內(nèi)容塊集合中獲取第二預(yù)設(shè)數(shù)量的內(nèi)容塊，得到第五內(nèi)容塊集合和第六內(nèi)容塊集合，其中，所述第五內(nèi)容塊集合為從所述第三內(nèi)容塊集合中獲取的第二預(yù)設(shè)數(shù)量的內(nèi)容塊組成的內(nèi)容塊集合，所述第六內(nèi)容塊集合為從所述第四內(nèi)容塊集合中獲取的第二預(yù)設(shè)數(shù)量的內(nèi)容塊組成的內(nèi)容塊集合；
第一統(tǒng)計模塊，用于統(tǒng)計所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量；以及
第一判斷模塊，用于判斷所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量是否大于所述預(yù)設(shè)值，其中，在判斷出所述第五內(nèi)容塊集合和所述 第六內(nèi)容塊集合中相同內(nèi)容塊的數(shù)量大于所述預(yù)設(shè)值時，則判定所述第一文本和所述第二文本為相似文本，在判斷出所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同的內(nèi)容塊的數(shù)量不大于所述預(yù)設(shè)值時，則判定所述第一文本和所述第二文本為不相似文本。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述第一統(tǒng)計模塊包括：
計算子模塊，用于分別計算所述第五內(nèi)容塊集合中各個內(nèi)容塊和所述第六內(nèi)容塊集合中各個內(nèi)容塊的哈希值，得到第一哈希值集合和第二哈希值集合，其中，所述第一哈希值集合為所述第五內(nèi)容塊集合中各個內(nèi)容塊的哈希值組成的集合，所述第二哈希值集合為所述第六內(nèi)容塊集合中各個內(nèi)容塊的哈希值組成的集合；以及
統(tǒng)計子模塊，用于根據(jù)所述第一哈希值集合和所述第二哈希值集合統(tǒng)計所述第五內(nèi)容塊集合和所述第六內(nèi)容塊集合中相同的內(nèi)容塊的數(shù)量。
10.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述獲取單元包括：
第二統(tǒng)計模塊，用于分別統(tǒng)計所述第一內(nèi)容塊集合中各個內(nèi)容塊和所述第二內(nèi)容塊集合中各個內(nèi)容塊的字符數(shù)；
第二判斷模塊，用于分別判斷所述第一內(nèi)容塊集合和所述第二內(nèi)容塊集合中是否存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊；
第二獲取模塊，用于在判斷出所述第一內(nèi)容塊集合中存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊時，獲取所述字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊的全部字符和所述字符數(shù)不小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊的第一預(yù)設(shè)數(shù)量的字符，得到所述第三內(nèi)容塊集合，在判斷出所述第一內(nèi)容塊集合中不存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊時，獲取所述第一內(nèi)容塊集合中各個內(nèi)容塊的第一預(yù)設(shè)數(shù)量的字符，得到所述第三內(nèi)容塊集合；以及
第三獲取模塊，用于在判斷出所述第二內(nèi)容塊集合中存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊時，獲取所述字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊的全部字符和所述字符數(shù)不小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊的第一預(yù)設(shè)數(shù)量的字符，得到所述第四內(nèi)容塊集合，在判斷出所述第二內(nèi)容塊集合中不存在字符數(shù)小于所述第一預(yù)設(shè)數(shù)量的內(nèi)容塊時，獲取所述第二內(nèi)容塊集合中各個內(nèi)容塊的第一預(yù)設(shè)數(shù)量的字符，得到所述第四內(nèi)容塊集合。