云端客 • 2026年5月26日 下午1:16 • 实用工具 • 阅读 167

一、程序功能介绍

产品定位

投标文件雷同检测工具 是一款专为招投标场景设计的文档对比软件，用于快速发现多份投标文件之间的雷同内容，帮助招标方/评审方识别可能存在的串标、围标行为。

核心功能

功能模块	说明
多格式文档读取	支持 `.docx`、`.doc`、`.wps`、`.wpt` 四种主流文档格式
批量文件导入	支持逐个添加文件或整个文件夹批量导入
雷同检测	基于 N-gram + Jaccard 相似度算法，自动计算所有文档对的相似度
精准定位	精确到段落级别，显示雷同内容所在的具体段落位置和预览
关键词查询	在已加载的所有文档中搜索指定关键词，显示匹配位置和上下文
报告导出	支持导出为 JSON（结构化数据）或 TXT（可读文本）格式的检测报告
离线运行	完全本地计算，无需联网，保障文档数据安全

技术特点

• 纯绿色免安装：打包后为单个 .exe 文件，无需安装任何依赖
• 零外部模型依赖：不需要下载大型语言模型或向量数据库，程序仅几十 MB
• 精确字面匹配：针对投标文件这类正式文书，字面重复检测比语义相似度更具实际意义
• 高性能：基于字符级 N-gram 算法，对比 20 份文档仅需数秒
• 全离线：所有计算在本地完成，投标文件不会上传至任何服务器

算法原理简述

程序采用 N-gram + Jaccard 相似度算法：

1. 将每份文档拆分为段落
2. 提取每个段落的字符级 N-gram 指纹（连续 N 个字符的组合）
3. 计算文档对之间的 Jaccard 相似度（交集 / 并集）
4. 按指定分块大小进行段落块对比，定位具体雷同段落

二、界面概览

三、详细操作步骤

第一步：添加投标文件

1. 点击 「📂 添加文件」 → 在弹出的文件选择对话框中，选择一个或多个 Word/WPS 文档
2. 或点击 「📁 添加文件夹」 → 选择包含多个投标文件的文件夹，程序会自动扫描并加载所有支持的文档

支持的格式： `.docx`、`.doc`、`.wps`、`.wpt` v1.0

添加成功后，左侧文件列表会显示每个文件的 文件名 和 段落数。

第二步：调整检测参数（可选）

在 「检测参数」 区域设置三个参数：

参数	默认值	范围	说明
N-gram大小	8	4~20	连续字符数，值越大检测越严格
相似度阈值	0.30	0.10~0.90	判定为雷同的最低相似度
分块大小	5	2~20	每块包含的段落数，影响对比粒度

一般使用默认值即可。如需更严格的检测，可适当增大 N-gram 值和相似度阈值。

第三步：开始对比检测

点击 「🔍 开始对比检测」 按钮：

• 程序自动计算所有文档对之间的相似度（N 份文档共对比 N×(N-1)/2 对）
• 对比过程在后台线程运行，界面不会卡死
• 完成后状态栏显示：✅ 对比完成！共 X 对文档，Y 对高度相似（≥50%）

第四步：查看对比结果

切换到 「📊 对比结果」 标签页：

• 汇总表 显示所有文档对的相似度，按相似度从高到低排列
• 颜色标识：
  • 🟥 红色背景：高度相似（≥ 50%），存在大量雷同内容
  • 🟨 黄色背景：中等相似（30%~50%），有部分重复
  • 🟩 绿色背景：低相似度（< 30%），属正常范围

点击汇总表中的任意一行，右侧 「📋 详细分析」 标签页会自动显示该文档对的详细雷同内容。

第五步：查看详细分析

切换到 「📋 详细分析」 标签页：

• 顶部下拉框：选择要查看的文档对比对
• 左栏（文档A内容）：显示文档 A 的雷同段落及位置
• 右栏（文档B内容）：显示文档 B 的雷同段落及位置
• 相似度信息：显示整体相似度、共同 N-gram 数、雷同段落块数量

每个雷同块包含：

• 雷同块编号和块内相似度
• 段落位置（第 X ~ Y 段）
• 内容预览（前 50 字符）

第六步：关键词查询

切换到 「🔎 关键词查询」 标签页：

1. 在关键词输入框中输入要搜索的词/短语
2. 按 回车键 或点击 「🔍 搜索」 按钮
3. 可选：勾选 「区分大小写」 进行精确匹配

搜索结果列表显示：

• 所属文件：关键词出现在哪个文档中
• 段落号：第几段
• 匹配内容：包含关键词的段落文本（前 200 字符）
• 匹配次数：该段落中关键词出现的次数

点击任意搜索结果，会弹出新窗口显示完整段落内容，关键词以黄色高亮标记。

第七步：导出报告

点击 「📊 导出报告」 按钮，选择保存路径和文件格式：

• JSON 格式（.json）： 结构化数据，包含摘要和完整详情，适合程序化处理
• TXT 格式（.txt）： 可读文本报告，适合打印或人工审阅

四、检测参数说明

N-gram 大小

N-gram 指连续的 N 个字符。例如 N=8 时，句子”投标文件应当真实有效”会提取：

投标文件应当真、标文件应当真实、文件应当真实有、件应当真实有效

相似度阈值

Jaccard 相似度 = 两个文档共同 N-gram 数 ÷ 两个文档所有 N-gram 总数

N值	检测效果	适用场景
4~6	较宽松，短短语匹配也算雷同	粗略筛查
7~10	适中（默认 8），句子级重复	常规检测 ✅
11~20	严格，需长段落完全一致	精准取证

分块大小

将文档按段落分块进行对比，块越大对比越粗略但速度越快。

阈值	效果
0.10~0.20	非常宽松，大量内容会被标记
0.10~0.20	非常宽松，大量内容会被标记
0.30（默认）	平衡检出率和准确性
0.50~0.70	严格，仅高度雷同的内容会被标记
0.80~0.90	极严格，几乎需完全一致

五、结果解读

相似度等级参考

分块大小	效果
2~3	精细对比，定位准确但速度较慢
5（默认）	平衡精度与速度 ✅
10~20	快速对比，适合大批量初筛

相似度范围	等级	含义	建议处理
≥ 50%	高度相似	存在大量雷同段落	重点关注，需进一步审查
30% ~ 50%	中等相似	有部分重复内容	检查雷同部分是否为模板/套话
< 30%	低相似度	属正常范围	一般无需特别关注

雷同块说明

• 相似度：该块的局部相似度（0~1）
• 段落位置：在原文中的段落编号范围
• 内容预览：雷同段落的前 50 个字符
• 共同 N-gram 数：两文档在该块中共享的 N-gram 数量

六、常见问题

Q1：为什么 .doc / .wps 文件读取失败？

A： 旧版格式需要 Windows 系统上安装 Microsoft Word 或 WPS Office。建议将文件另存为 .docx 格式后再导入。

Q2：相似度多少算高？

A： 建议参考标准：

• ≥ 50%：高度相似，存在大量雷同内容
• 30% ~ 50%：中等相似，有部分重复
• < 30%：低相似度，属正常范围

Q3：可以对比多少份文件？

A： 理论上无限制。但 N 份文件需对比 N×(N-1)/2 对，建议单次不超过 20 份。

Q4：检测速度慢怎么办？

A： 可尝试：

• 增大「分块大小」（如改为 10）
• 增大「N-gram 大小」（减少匹配的 n-gram 数量）
• 提高「相似度阈值」（减少输出结果量）

Q5：关键词查询支持正则表达式吗？

A： 当前版本仅支持普通文本精确/模糊匹配，不支持正则表达式。

发布者：云端客，转转请注明出处：https://www.itrenonline.com/bidcomparator.html