标书查重软件怎么用？EasyCheck 单机离线查重技术参数与常见问题

标书怎么查重？投标文件提交前的操作步骤

使用 EasyCheck 进行标书查重时，先准备需要比较的投标文件，选择文字查重并添加文件，再按任务选择多对多、一对多或跨组比对。设置连续 5 字或 10 字的最小有效句长；需要排除共有模板内容时配置白名单，随后开始本地检查。

任务结束后，先查看文件之间的相似度，再结合高亮副本逐项核对重复片段。相似度数字用于提示复核重点，不能单独说明是否抄袭或围串标；模板、引用内容和项目统一要求都可能产生正常重复。修改后重新检查，并保存本次结果与对应文件版本。

两份 Word 标书如何比对重复内容？

将两份 Word 投标文件加入同一次文字查重任务，即可比较可提取的正文和表格文字。批量标书查重支持单次 2–20 份文件：任意两两比较使用多对多；一份基准文件与其他文件比较使用一对多；只比较不同分组的文件使用跨组模式。

工程投标技术方案、施工组织设计等文档，可以按相同流程进行文字相似度检查。若只需检查指定章节，应先制作对应章节的检查副本；处理范围与原文件不同，需要在归档时记录清楚。

PDF 标书能查重吗？扫描件与文字版有什么区别？

PDF 标书查重需要先确认文件是否具有可提取的文本。文字版 PDF 可以参与文本相似度比对，但阅读顺序、表格排版和字体编码可能影响提取结果，建议先抽查关键页。仅包含扫描图片的 PDF 不应直接当作已完成文字查重的文件。

扫描版标书需要先获得可靠的 OCR 识别文本，并人工核对错字、漏字和表格内容，再进入文字比对流程。这里不承诺 EasyCheck 当前版本具备内置扫描件 OCR；PDF 中可提取图片的相似性比对与文字识别是两项不同能力。

离线标书查重需要联网或上传文件吗？

单机离线标书查重的核心审查在当前 Windows 电脑上完成，投标文件无需上传云端，适合企业在内部环境开展提交前自查。文件数量、文字量、图片量和电脑配置会影响耗时，不宜把某次测试速度直接用于所有项目。

技术暗标检查和标书查重有什么区别？

标书查重主要比较不同文件的重复文字与相似图片；技术暗标检查主要核对单份文件中的身份信息和格式要求。暗标字体字号检查、页边距检查、页眉页脚检查等规则应按项目招标文件配置，不能把一种默认模板当作全国统一标准。

标书错别字检查与暗标检查也应分别执行：前者提示文档用字、标点、单位和序号问题，后者提示身份及版式风险。提交前可依次完成文字查重、图片查重、暗标和纠错检查，再人工复核报告。

标书查重报告怎么看？重复率多少才算合格？

阅读标书查重报告时，应同时核对来源文件、匹配片段、相似度计算口径和适用规则。本文中的 0.80 是句子级算法判定阈值，99% 是用户提供的既定实测口径下的检出准确率，两者都不是标书允许重复率，也不是投标合格线。

不能由软件统一给出适用于所有项目的合格重复率。应以项目文件的具体要求为准，人工区分共有模板、合理引用与需要进一步核实的异常重复；软件输出用于辅助审查，不直接认定围标串标。

为什么参数要按国内招投标场景来定义

国内投标文件通常同时包含中文正文、表格、目录、附件、扫描图片和项目专有名词。仅按普通文本相似度处理，容易把高度雷同的目录、模板页或格式差异混在一起，也容易漏掉表格中的响应内容和图片中的重复线索。EasyCheck 的参数设计围绕“提交前可复核”展开：输入范围明确、规则可解释、结果能定位到来源文件和页段。

系统核心审查在 Windows 本机完成，不依赖把敏感标书上传到云端。Word / WPS 主要用于本地文档转换、预览或打开批注副本；具体项目仍应以有效招标文件、答疑澄清和平台要求为最终依据。

一、文本查重：中文预处理与可解释相似度

文本查重支持 .docx、.doc 和 .pdf。Word 文档覆盖正文段落及表格单元格中的可提取文字；.doc 文件需要先通过本机 Word / WPS 转换为可处理格式；PDF 用于提取可识别文本。单次任务支持 2–20 份文件，支持多对多、一对多和跨组三种比对模式。

查重前先做序号、标点和空白归一化，再按句末标点分句；目录项会根据 Word 的 TOC 样式、字段或锚点识别并跳过，减少目录高度雷同造成的虚高结果。用户可以选择连续 5 字或 10 字作为最小有效句子长度，也可以通过白名单降低固定术语和约定文本对结果的干扰。

• 三级预过滤：长度差不超过较短句子的 30%，字符集 Jaccard 相似度不低于 0.50，字符频率相似度不低于 0.50。
• 精比对采用滚动数组 LCS，句子相似度按 2 × LCS /（句子一长度 + 句子二长度）计算，句子级判定阈值为 0.80。
• 文档级相似度按重复字符数 ÷ 较小文档总字符数计算；同一来源句命中后停止重复计数，避免结果被重复放大。
• 结果提供文件关系、来源位置、相似片段和高亮副本，并可生成 Word 结果报告，便于人工逐项复核。

二、图片比对：双指纹联合判定

图片比对从 Word 正文内嵌图片和 PDF 页面资源中提取照片、截图、示意图等对象；默认不把页眉、页脚、脚注和尾注作为 Word 正文图片参与比对。这样可以把检查重点放在投标技术方案、施工组织、资质证明和图表中的可复用素材。

对于字节完全相同的图片，系统先使用 SHA-256 建立精确指纹桶；对于经过缩放、压缩或轻微处理的图片，再把图像缩放到 32×32 并灰度化，同时计算 128 字节 pHash 和 64 位 dHash。感知判定要求两类指纹同时满足阈值：pHash 相似度不低于 0.84 且位差不超过约 16%，dHash 汉明距离不超过 10。

• 完全相同：SHA-256 精确命中，适合识别原图文件被直接复用。
• 近似相同：pHash + dHash 双条件通过，适合辅助识别缩放、压缩和轻微调整后的同源图片。
• 结果形态：按相似图片分组展示缩略图、来源文件、所在位置和相似程度参考，并生成图片查重报告。
• 使用边界：图片相似度是复核线索，不直接等同于图片来源、抄袭事实或法律结论。

三、暗标合规：24 项可配置规则（18 项默认启用）

暗标检查面向 Word 文档（.doc 文件先转为 .docx），单次任务支持 1–20 份文件。规则不是写死在页面里的单一模板，而是按项目要求加载和覆盖的参数化规则集，覆盖页面、颜色、字体、段落排版、文档结构、身份风险和图片风险等维度。

内置规则集合共 24 项，默认启用 18 项，另有 6 项可根据项目要求启用或保持关闭。规则覆盖纸张大小、页边距、页眉页脚、页码、页数、文字颜色、字体名称、字号、加粗、斜体/下划线、行距、对齐、首行缩进、段首空格、段前段后空白、目录、禁用关键词、手机号和图片等检查项。默认参考模板仅用于快速开始，不代表全国统一暗标标准；正式检查应以本项目招标文件及澄清文件配置规则。

• 常用参考参数可包括 A4 纸、四边页边距约 2.5 cm、中文宋体、四号约 14 磅、首行缩进 2 字符和特定行距；每项均应按项目文件确认。
• 24 项规则以 Enabled、Severity 和 Parameters 三层参数控制，其中 18 项默认启用、6 项按项目差异保留为可选；未启用规则不参与检查，问题详情可保留实际参数摘要。
• 身份风险支持维护项目关键词，检查姓名、单位、联系方式、手机号、Logo 或可识别图片等线索。
• 结果按规则、严重度、文档位置和原文片段展示，并生成批注副本与报告；系统只读扫描，不直接修改原文件。

四、全文纠错：8 类规则与 4 类内置词库

全文纠错同样面向 Word 文档，支持 1–20 份批量检查。系统将常见文档质量问题拆成 8 类：半角/全角符号、重复字词、中英文标点混用与误用、单位和上下标、常见错别字、自定义词库、序号与页码连续性、圈字和特殊字体符号。

内置词库包括错别字、单位、标点和项目专有用词 4 类；用户可以补充公司名、项目名、人员姓名和行业术语。8 类规则默认以 Warning 方式提示，结果给出原文片段和建议，不自动覆盖原稿，避免把专业名词或项目约定误改。

• 支持检查示例：重复字词、中文逗号与英文逗号混用、m2 与 m²、CO2 与 CO₂、序号断裂和特殊圈字。
• 自定义词库支持“原词 / 建议写法 / 说明”，适合维护企业名称、项目名称和专业术语。
• 输出问题列表和 Word 批注副本，保留原文件只读约束，便于修改后再次复核。

五、文件信息核查与结果追溯

文件信息核查从文件名、路径、大小、创建/修改时间、Word 作者或 PDF 作者等基础属性入手，并结合文档扩展属性和本机可读取的设备、网络归属线索辅助排查。它的定位是帮助项目团队发现版本混用、来源不明或历史编辑痕迹，不把单一属性直接解释为责任认定。

每次任务围绕输入文件、检查类型、模式、规则模板、问题清单、产物路径和耗时形成留存信息。查重高亮副本、图片报告、暗标批注副本和纠错批注副本均可回看，结果按文件、页段和问题类型定位，适合提交前复核、内部归档和后续追溯。

六、实测检出准确率与性能口径

当前对外可披露的核心结果是：在既定实测样本集、已标注重复内容与规则问题的测试口径下，EasyCheck 检出准确率为 99%。这里的“检出”是指应被识别的重复内容或规则问题被系统定位；99% 是特定样本集和测试环境下的实测值，不应替代召回率、误报率等完整评测指标，也不应理解为所有文件、所有项目规则下的绝对准确率。

性能方面，系统采用文档预加载并行、文件对并行、句子级三级快筛和 LCS 结果缓存复用等策略；并行度按 min（CPU 核心数，4）控制。实际耗时会随文件数量、页数、字符量、图片数量、扫描件质量以及 CPU、内存和 Word/WPS 转换状态变化，因此官网以批次上限和可复核的测试条件为主，不用脱离测试环境的统一“几秒完成”作绝对承诺。

• 检出准确率：99%（既定实测样本集与测试环境口径）。
• 文本查重规模：2–20 份文件/任务；暗标与纠错：1–20 份 Word 文件/任务。
• 性能记录建议同时记录：文件数、总页数、字符量、图片数、CPU/内存、冷启动或热运行，以及任务总耗时。
• 产品输出的是可定位的风险线索和复核依据，最终结论仍以人工复核、有效招标文件和项目实际规则为准。

七、适用环境与使用边界

推荐环境为 Windows 10/11 64 位、Intel i5 或同等级处理器、8 GB 及以上内存、10 GB 可用磁盘空间和 1920×1080 及以上显示器。涉及 .doc 转换、批注副本打开或复杂 Word 版式时，需要本机安装可用的 Microsoft Word 或 WPS。

EasyCheck 适合做投标文件提交前的内部质量控制和风险线索发现，不能替代招标文件解读、法律判断、造价审核、CA 签章、平台加密上传或官方客户端预览。要体现产品的先进性和权威性，最重要的是持续公开版本号、测试样本范围、硬件环境、分项准确率、误报/漏报情况和版本变更记录，让每一项数字都能被复核。