[發明專利]基于關鍵詞的垃圾文檔過濾方法和裝置

無效

• 申請號: 201210563248.X
• 申請日: 2012-12-21
• 公開（公告）號: CN103064928A
• 公開（公告）日: 2013-04-24
• 發明（設計）人: 黃福昌;田飛;李雪明
• 申請（專利權）人: 北京二六三企業通信有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/28
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 臧建明

1.一種基于關鍵詞的垃圾文檔過濾方法，其特征在于，包括：

獲取待檢查的中文文檔；

將所述中文文檔中的中文字符轉換成拼音字符，得到拼音文檔；

根據中文關鍵詞對應的拼音，對所述拼音文檔進行匹配；

若所述拼音文檔中的拼音字符與所述中文關鍵詞對應的拼音匹配，則將所述待檢查的中文文檔確定為垃圾文檔。

2.根據權利要求1所述的方法，其特征在于，所述將所述中文文檔中的中文字符轉換成拼音字符，得到拼音文檔，包括：

對所述中文文檔中的中文字符進行通用轉換格式UTF編碼，得到每個所述中文字符對應的區位碼；

根據每個所述中文字符對應的區位碼在靜態查找表中查詢對應的拼音字符，所述靜態查找表中包含區位碼及其對應的拼音字符；

根據每個所述中文字符對應的拼音字符，得到所述拼音文檔。

3.根據權利要求2所述的方法，其特征在于，若所述待檢查的中文文檔中包含英文字符，則在所述將所述中文文檔中的中文字符轉換成拼音字符，得到拼音文檔之前，還包括：

將所述中文文檔中的英文字符轉換成小寫英文字符。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述根據中文關鍵詞對應的拼音，對所述拼音文檔進行匹配之前，還包括：

獲取兩個以上拼音相同的中文關鍵詞；

將所述兩個以上拼音相同的中文關鍵詞中的中文字符轉換為對應的拼音字符。

5.根據權利要求1所述的方法，其特征在于，所述根據中文關鍵詞對應的拼音，對所述拼音文檔進行匹配，包括：

將所述中文關鍵詞對應的拼音編譯成動態鏈接庫；

根據所述動態鏈接庫，對所述拼音文檔進行匹配。

6.一種基于關鍵詞的垃圾文檔過濾裝置，其特征在于，包括：

獲取模塊，用于獲取待檢查的中文文檔；

轉換模塊，用于將所述中文文檔中的中文字符轉換成拼音字符，得到拼音文檔；

匹配模塊，用于根據中文關鍵詞對應的拼音，對所述拼音文檔進行匹配；

確定模塊，用于若所述拼音文檔中的拼音字符與所述中文關鍵詞對應的拼音匹配，則將所述待檢查的中文文檔確定為垃圾文檔。

7.根據權利要求6所述的裝置，其特征在于，所述轉換模塊，具體用于，對所述中文文檔中的中文字符進行通用轉換格式UTF編碼，得到每個所述中文字符對應的區位碼；

根據每個所述中文字符對應的區位碼在靜態查找表中查詢對應的拼音字符，所述靜態查找表中包含區位碼及其對應的拼音字符；

根據每個所述中文字符對應的拼音字符，得到所述拼音文檔。

8.根據權利要求7所述的裝置，其特征在于，若所述待檢查的中文文檔中包含英文字符，所述轉換模塊還用于，將所述中文文檔中的英文字符轉換成小寫英文字符。

9.根據權利要求6-8任一項所述的裝置，其特征在于，所述獲取模塊還用于，獲取兩個以上拼音相同的中文關鍵詞；

所述轉換模塊還用于，將所述兩個以上拼音相同的中文關鍵詞中的中文字符轉換為對應的拼音字符。

10.根據權利要求6所述的裝置，其特征在于，所述匹配模塊具體用于，將所述中文關鍵詞對應的拼音編譯成動態鏈接庫；

根據所述動態鏈接庫，對所述拼音文檔進行匹配。