[发明专利]基于关键词的垃圾文档过滤方法和装置

权利要求书

1.一种基于关键词的垃圾文档过滤方法，其特征在于，包括：

获取待检查的中文文档；

将所述中文文档中的中文字符转换成拼音字符，得到拼音文档；

根据中文关键词对应的拼音，对所述拼音文档进行匹配；

若所述拼音文档中的拼音字符与所述中文关键词对应的拼音匹配，则将所述待检查的中文文档确定为垃圾文档。

2.根据权利要求1所述的方法，其特征在于，所述将所述中文文档中的中文字符转换成拼音字符，得到拼音文档，包括：

对所述中文文档中的中文字符进行通用转换格式UTF编码，得到每个所述中文字符对应的区位码；

根据每个所述中文字符对应的区位码在静态查找表中查询对应的拼音字符，所述静态查找表中包含区位码及其对应的拼音字符；

根据每个所述中文字符对应的拼音字符，得到所述拼音文档。

3.根据权利要求2所述的方法，其特征在于，若所述待检查的中文文档中包含英文字符，则在所述将所述中文文档中的中文字符转换成拼音字符，得到拼音文档之前，还包括：

将所述中文文档中的英文字符转换成小写英文字符。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据中文关键词对应的拼音，对所述拼音文档进行匹配之前，还包括：

获取两个以上拼音相同的中文关键词；

将所述两个以上拼音相同的中文关键词中的中文字符转换为对应的拼音字符。

5.根据权利要求1所述的方法，其特征在于，所述根据中文关键词对应的拼音，对所述拼音文档进行匹配，包括：

将所述中文关键词对应的拼音编译成动态链接库；

根据所述动态链接库，对所述拼音文档进行匹配。

6.一种基于关键词的垃圾文档过滤装置，其特征在于，包括：

获取模块，用于获取待检查的中文文档；

转换模块，用于将所述中文文档中的中文字符转换成拼音字符，得到拼音文档；

匹配模块，用于根据中文关键词对应的拼音，对所述拼音文档进行匹配；

确定模块，用于若所述拼音文档中的拼音字符与所述中文关键词对应的拼音匹配，则将所述待检查的中文文档确定为垃圾文档。

7.根据权利要求6所述的装置，其特征在于，所述转换模块，具体用于，对所述中文文档中的中文字符进行通用转换格式UTF编码，得到每个所述中文字符对应的区位码；

根据每个所述中文字符对应的区位码在静态查找表中查询对应的拼音字符，所述静态查找表中包含区位码及其对应的拼音字符；

根据每个所述中文字符对应的拼音字符，得到所述拼音文档。

8.根据权利要求7所述的装置，其特征在于，若所述待检查的中文文档中包含英文字符，所述转换模块还用于，将所述中文文档中的英文字符转换成小写英文字符。

9.根据权利要求6-8任一项所述的装置，其特征在于，所述获取模块还用于，获取两个以上拼音相同的中文关键词；

所述转换模块还用于，将所述两个以上拼音相同的中文关键词中的中文字符转换为对应的拼音字符。

10.根据权利要求6所述的装置，其特征在于，所述匹配模块具体用于，将所述中文关键词对应的拼音编译成动态链接库；

根据所述动态链接库，对所述拼音文档进行匹配。