[发明专利]用于多语言文档过滤的系统和方法

权利要求书

1.一种或更多种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括计算机可执行指令，所述计算机可执行指令在由一个或更多个处理器执行时配置所述一个或更多个处理器来执行包括以下步骤的操作：

接收文档；

识别所述文档中的第一词语和所述文档中的第二词语；

确定所述第一词语的第一基本语言语义向量；

确定所述第二词语的第二基本语言语义向量；

识别关键词；

确定关键词基本语言语义向量；

确定所述第一基本语言语义向量与所述关键词基本语言语义向量之间的第一距离；

确定所述第二基本语言语义向量与所述关键词基本语言语义向量之间的第二距离；以及

至少部分地基于所述第一距离和所述第二距离来确定所述文档要被过滤。

2.根据权利要求1所述的一种或更多种非暂时性计算机可读介质，其中，所述操作还包括至少部分地基于所述文档要被过滤的所述确定来隔离所述文档。

3.根据权利要求1所述的一种或更多种非暂时性计算机可读介质，其中，确定所述第一基本语言语义向量包括：

确定与所述第一词语对应的本地语言语义向量；以及

至少部分地基于本地语言到基本语言翻译矩阵，将所述本地语言语义向量转换成所述第一基本语言语义向量。

4.根据权利要求1所述的一种或更多种非暂时性计算机可读介质，其中，确定所述关键词基本语言语义向量包括：

确定与所述关键词对应的关键词本地语言语义向量；以及

至少部分地基于本地语言到基本语言翻译矩阵，将所述关键词本地语言语义向量转换成所述关键词基本语言语义向量。

5.根据权利要求1所述的一种或更多种非暂时性计算机可读介质，其中，确定所述第一距离包括确定以下项中的至少一个：(i)所述第一基本语言语义向量与所述关键词基本语言语义向量之间的余弦距离，或者(ii)所述第一基本语言语义向量与所述关键词基本语言语义向量之间的欧几里得距离。

6.根据权利要求1至5中的任一项所述的一种或更多种非暂时性计算机可读介质，其中，确定所述文档要被过滤包括：

识别过滤模型；

将所述第一距离和所述第二距离应用于所述过滤模型；以及

至少部分地基于所述应用来识别所述文档要被过滤。

7.根据权利要求6所述的一种或更多种非暂时性计算机可读介质，其中，所述操作还包括：

接收多个训练文档；

接收与所述训练文档中的每一个对应的过滤状态的指示；以及

至少部分地基于所述多个训练文档以及与所述训练文档中的每一个对应的所述过滤状态的所述指示来训练所述过滤模型。

8.一种系统，所述系统包括：

至少一个存储器，所述至少一个存储器存储计算机可执行指令；以及

至少一个处理器，所述至少一个处理器被配置成访问所述至少一个存储器，其中，所述至少一个处理器被配置成执行所述计算机可执行指令以：

接收包括多个词语的文档；

确定与所述多个词语中的每一个对应的相应的基本语言语义向量；

识别关键词；

确定关键词基本语言语义向量；

确定包括与所述基本语言语义向量中的每一个对应的相应距离的一组距离数据，其中，所述相应距离是在所述关键词基本语言语义向量与对应的基本语言语义向量中的每一个之间；

将所述一组距离数据应用于过滤模型；以及

至少部分地基于将所述一组距离数据应用于所述过滤模型来确定所述文档要被过滤。