[发明专利]基于关键词的垃圾文档过滤方法和装置

摘要

本发明提供一种基于关键词的垃圾文档过滤方法和装置。其中，垃圾文档过滤方法包括：获取待检查的中文文档，将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，对拼音文档进行匹配，若拼音文档中的拼音字符与中文关键词对应的拼音匹配，则将待检查的中文文档确定为垃圾文档。由于一个拼音关键词可对应多个中文关键词，减少关键词的数量，从而提高关键词匹配效率；而且拼音关键词还可以与中文关键词同音的没有列举出来的其他中文关键词进行对应，从而提高了垃圾文档识别率。

主权项

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。