[发明专利]多语言文档聚类

摘要

一种技术，能够包括：识别待聚类的文档集。所述文档集能够包括外语文档和基础语言文档。在基础语言翻译模块处能够将外语文档翻译成基础语言。在文档索引模块处能够确定基础语言文档中的关键字和经翻译的外语文档中的关键字。基于基础语言文档中的确定的关键字和经翻译的外语文档中的确定的关键字，能够将基础语言文档与外语文档聚类在文档聚类的公共集合中。响应于第一语言的搜索查询，能够提供搜索结果的列表，其包括公共文档聚类中的第一语言的文档和另一语言的文档。

主权项

1.一种计算机实现的方法，包括：在计算装置中的通信模块处接收来自与用户装置交互的用户的对翻译网页的请求，其中所述用户装置与所述计算装置通信；在所述计算装置中的所述通信模块处接收来自所述用户的第一语言的搜索查询；在所述计算装置中的文档识别模块处识别与所述搜索查询有关的一个或多个文档以及来自与所述计算装置通信的数据库的至少一个文档聚类，所述一个或多个文档来自文档集并且包括被用户请求从所述第一语言翻译成不同于所述第一语言的第二语言的第一文档，所述文档聚类包括所述第一语言的第一文档和所述第二语言的一个或多个另外文档，其中通过以下操作产生所述文档聚类：(ⅰ)在所述计算装置中的文档收集模块处识别待聚类的文档集，所述文档集包括外语文档和基础语言文档；(ⅱ)在所述计算装置中的基础语言翻译模块处将所述外语文档翻译成所述基础语言，以得到经翻译的外语文档；(ⅲ)在所述计算装置中的文档索引模块处确定所述基础语言文档中的关键字和所述经翻译的外语文档中的关键字；(ⅳ)在所述计算装置中的聚类模块处，基于所述基础语言文档中的确定的关键字和所述经翻译的外语文档中的确定的关键字，将所述基础语言文档与所述外语文档聚类在文档聚类的公共集合中，所述文档聚类的集合包括所述基础语言文档和所述外语文档两者，以及(ⅴ)将所述文档聚类的集合存储在数据库中；在所述计算装置中的聚类评估模块处评估所述至少一个文档聚类以从与所述第一文档的距离在预定阈值内的所述第二语言的所述一个或多个另外文档识别第二文档，其中所述第一文档与所述第二文档之间的距离对应于所述第一文档与所述第二文档之间的相似水平；从所述至少一个文档聚类选择所述第二文档，以及当所述第二文档与所述第一文档的距离在所述预定阈值内时，响应于所述搜索查询从所述计算装置中的用户接口模块处提供所述第二文档给所述用户装置。