[发明专利]文档的自动超链接

权利要求书

1.一种方法，其特征在于，包括：

由至少一个处理器使用机器学习模型，至少部分地基于正在被编辑的电子消息内的词和与所述词相关联的文本情境，确定是否将所述电子消息内的所述词分类为候选超链接；

响应于将所述词分类为所述候选超链接，由所述至少一个处理器使用所述机器学习模型并且至少部分地基于所述词和与所述词相关联的所述文本情境，从多个文档中确定要从所述词超链接的一个或多个候选文档；

响应于接收从所述一个或多个候选文档中选择文档的指示，由所述至少一个处理器修改所述电子消息以将所述词与到所述文档的超链接相关联；和

由所述至少一个处理器向接收者发送包括到所述文档的所述超链接的所述电子消息。

2.根据权利要求1所述的方法，其特征在于，从所述多个文档中确定要从所述词超链接的所述一个或多个候选文档还包括：

由所述至少一个处理器并使用所述机器学习模型，至少部分地基于所述词和所述文本情境，生成与所述词相关联的查询向量；

由所述至少一个处理器并使用所述机器学习模型，至少部分地基于多个文档向量，生成与所述多个文档相关联的多个文档向量；

由所述至少一个处理器并使用所述机器学习模型，通过执行所述查询向量与所述多个文档向量中的每个文档向量的点积，来确定与所述多个文档相关联的多个点积得分；和

由所述至少一个处理器并使用所述机器学习模型，至少部分地基于与所述一个或多个候选文档相关联的一个或多个点积得分，从所述多个文档中确定要从所述词超链接的所述一个或多个候选文档。

3.根据权利要求2所述的方法，其特征在于，所述查询向量和所述多个文档向量分别是嵌入向量。

4.根据权利要求2和3中任一项所述的方法，其特征在于，使用机器学习来训练所述机器学习模型，以使得所述查询向量和与所述文档相关联的文档向量的点积的所述点积得分对应于所述文档从与所述查询向量相关联的所述词超链接的可能度。

5.根据权利要求4所述的方法，其特征在于，与所述一个或多个候选文档相关联的所述一个或多个点积得分分别高于与所述多个文档中的剩余文档相关联的剩余点积得分。

6.根据权利要求4和5中任一项所述的方法，其特征在于，还包括：

由至少一个处理器使用机器学习模型，至少部分地基于以下中的一个或多个来生成与所述文档相关联的所述文档向量：所述文档的主题、所述文档的标题、所述文档的类型、上次打开所述文档的时间、打开所述文档的频率、编辑所述文档的频率、或共享所述文档的频率。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述机器学习模型包括机器训练的分类器，所述机器训练的分类器至少部分地基于所述电子消息内的所述词和与所述词相关联的文本情境来将所述词分类为所述候选超链接。

8.一种系统，其特征在于，包括：

被配置为存储机器学习模型的存储器；和

一个或多个处理器，被配置为：

使用所述机器学习模型，至少部分地基于正在被编辑的电子消息内的词和与所述词相关联的文本情境，确定是否将所述电子消息中的所述词分类为候选超链接；

响应于将所述词分类为所述候选超链接，使用所述机器学习模型并且至少部分地基于所述词和与所述词相关联的所述文本情境，从多个文档中确定要从所述词超链接的一个或多个候选文档；

响应于接收从所述一个或多个候选文档中选择文档的指示，修改所述电子消息以将所述词与到所述文档的超链接相关联；和

向接收者发送包括链接到所述文档的所述超链接的所述电子消息。