專利名稱：一種獲取新詞的方法、系統(tǒng)及設備的制作方法
技術領域：
本發(fā)明涉及信息提取技術，特別是指一種利用即時通信(IM)系統(tǒng)獲取新 詞的方法、系統(tǒng)及實現(xiàn)新詞獲取的即時通信客戶端和服務器。
背景技術：
隨著信息化、電子化和網絡化的迅猛發(fā)展和普及，人們每天會從各種通信 網絡、互聯(lián)網絡接觸或獲取到巨大的信息量；隨著信息的大量傳播以及人們交 流內容的不斷擴展，新的詞匯層出不窮并被廣泛使用。由于詞匯是人們溝通的 基礎，不斷增加和更新詞庫是非常必要的。目前，新詞獲取在輸入法和網絡搜 索等領域應用較多，對于輸入法而言，需要不斷更新自身的數(shù)據(jù)庫，以保證為 用戶提供更多的詞匯、更方便的輸入；對于搜索引擎而言，需要隨時更新和擴 展搜索關鍵詞，以提高搜索速度。具體來說，在輸入法方面，現(xiàn)在常用的中文輸入法包括鍵盤輸入和非鍵盤 輸入兩類，所謂鍵盤輸入是指利用鍵盤上的26個英文字母，按照一定的編碼規(guī) 則輸入漢字，如拼音輸入、部首輸入、五筆輸入等等；所謂非鍵盤輸入是指利用其他形式輸入漢字，如手寫輸入、語音輸入、光學字符識別(OCR)技術 輸入等等。但是，這兩類輸入方式對獲取新詞都存在不同程度的問題鍵盤輸 入法，是依據(jù)用戶的輸入頻率和次數(shù)等特征獲取新詞， 一般的方式是先采集 輸入信息并將輸入的信息存儲，然后對存儲的信息按預置規(guī)則進行篩選和統(tǒng)計, 這樣，雖然能準確的獲取新詞，但所獲取的新詞僅來源于某個用戶、且僅存儲 在該用戶當前使用的終端上，并不能面向更多用戶，即使很多新詞是大家都常用的，不同用戶也需要各自通過頻繁輸入分別獲??；而且，對于同一用戶，由于新詞僅存儲在當前使用的終端上，那么，更換終端后又需要重新獲取，比如:
在辦公室的終端上已得到很多常用的新詞，但在自家的終端上使用所需的新詞 時又需要重新獲取。非鍵盤輸入法，很明顯，這類輸入本身是靠設備或軟件對 筆跡、聲音、光學字符的識別完成漢字的輸入，并不能保證較高的識別準確度, 那么，在這種識別程度上獲取新詞，很可能得到錯誤的詞匯或并非所需的詞匯, 因此很難達到獲取新詞的真正目的。在網絡搜索方面，新詞的獲取是將采集到 的所有網絡用戶輸入的關鍵詞，匯集到網絡服務器上存儲，之后再進行統(tǒng)計和 提取。但是，由于新詞的不斷出現(xiàn)，且分散在不同的語料庫中，很難及時、有 效地識別與更新；而且，現(xiàn)有技術通常會采用人工參與收集、整理和辨別新詞 的方式，再將得到的新詞加入已有詞庫中，如此，不僅耗費時間、成本，且工 作效率很低。可以看出，現(xiàn)有技術獲取新詞的途徑相對較少，主要是對用戶輸入和查詢 關鍵詞進行收集和統(tǒng)計，進而獲取到新詞，目前并未將其它信息來源作為新詞 的獲取源。發(fā)明內容有鑒于此，本發(fā)明的主要目的在于提供一種獲取新詞的方法，能基于即時 通信的詞源簡單、有效、實時地自動獲取新詞，并能使所獲取的新詞適用范圍 更廣。本發(fā)明的另一目的在于提供一種獲取新詞的系統(tǒng)及設備，能支持基于即時 通信的新詞自動獲取方式，實現(xiàn)簡單方便、靈活有效。為達到上述目的，本發(fā)明的技術方案是這樣實現(xiàn)的本發(fā)明提出了一種獲取新詞的方法，包括A、 從聊天數(shù)據(jù)中獲取備選字符串；B、 根據(jù)預置規(guī)則對所得到的備選字符串進行篩選，將經過篩選后的詞作 為新詞。步驟A中，所述的獲取為獲取本端輸入的聊天數(shù)據(jù)；或為獲取接收到的 對端的聊天數(shù)據(jù)，其中，所述對端為一個或一個以上。
所述聊天數(shù)據(jù)為本端輸入的聊天數(shù)據(jù)；則步驟A具體為IM客戶端軟件接收當前用戶通過輸入法輸入的數(shù)據(jù)信息，在將輸入數(shù)據(jù)作 為聊天記錄顯示于即時通信界面的同時，將當前的輸入信息作為備選字符串；或者，所述聊天數(shù)據(jù)為來自對端的聊天數(shù)據(jù)；則步驟A具體為IM客戶端軟件接收對端發(fā)來的數(shù)據(jù)信息，在將接收的數(shù)據(jù)信息作為聊天記 錄顯示于即時通信界面的同時，將收到的數(shù)據(jù)信息作為備選字符串。步驟A與步驟B之間進一步包括將備選字符串劃分為一個或一個以上的 詞；則步驟B根據(jù)預置規(guī)則對所得到的詞進行篩選。步驟B所述篩選后進一步包括統(tǒng)計并判斷經過篩選的詞在指定位置出現(xiàn) 的次數(shù)是否達到設定閾值，如果達到，則將相應詞作為新詞；否則不作為新詞。 其中，所述指定位置為互聯(lián)網數(shù)據(jù)，或為來自本端或對端的聊天記錄。上述方案中，該方法進一步包括將獲取的新詞并入各種輸入法的數(shù)據(jù)庫。上述方案中，所述步驟A和步驟B由IM客戶端完成，該方法進一步包括 IM客戶端將獲取的新詞通過即時通信系統(tǒng)發(fā)送給對端用戶。上述方案中，所述步驟A和步驟B由IM客戶端完成，該方法進一步包括 IM客戶端將獲取的新詞上載到后臺服務器，由后臺服務器主動下載給各個注冊 的IM客戶端，或根據(jù)IM客戶端的請求下載給有需求的IM客戶端。上述方案中，所述步驟A和步驟B由后臺服務器完成，該方法進一步包括 后臺服務器將獲取的新詞主動下載給各個注冊的IM客戶端，或根據(jù)IM客戶端 的請求下載給有需求的IM客戶端。本發(fā)明還提出了一種實現(xiàn)新詞獲取的IM客戶端，包括文本輸入單元、 即時消息收發(fā)單元、聊天記錄顯示單元，關鍵在于，該IM客戶端還包括終 端側篩選單元；所述文本輸入單元，用于接收并顯示本端用戶輸入的信息，并將收到的信息發(fā)送給即時消息收發(fā)單元、聊天記錄顯示單元和終端側篩選單元；所述即時消息收發(fā)單元，用于將從文本輸入單元接收的本端用戶輸入的信息發(fā)送給另一 IM客戶端，并將接收到的另一 IM客戶端發(fā)來的信息發(fā)送給聊天 記錄顯示單元和終端側篩選單元；所述終端側篩選單元，接收來自文本輸入單元的本端輸入的聊天數(shù)據(jù)信息， 以及來自即時消息收發(fā)單元的對端發(fā)來的聊天數(shù)據(jù)信息，并根據(jù)預置規(guī)則對聊 天數(shù)據(jù)對應的備選字符串進行篩選，得到新詞。其中，該IM客戶端進一步包括分詞單元，用于將得到的聊天數(shù)據(jù)對應的 備選字符串劃分為一個或一個以上的詞，再將劃分好的詞送至終端側篩選單元 進行篩選。該IM客戶端還進一步包括統(tǒng)計單元，用于接收終端側篩選單元進行篩選 后的詞，并將接收到的詞與從指定位置獲得的數(shù)據(jù)信息進行比較，統(tǒng)計所接收 到的詞在指定位置出現(xiàn)次數(shù)是否達到設定閾值，將達到閾值的詞作為新詞。所述即時消息收發(fā)單元還可以進一步用于將本端獲取的新詞發(fā)送給對端， 或接收對端發(fā)來的新詞。該IM客戶端進一步包括服務器交互單元，用于將本端獲取的新詞上載至 后臺服務器，或接收后臺服務器廣播發(fā)送的新詞，或向后臺服務器請求并下載 新詞。本發(fā)明還提出了一種實現(xiàn)新詞獲取的服務器，包括聊天數(shù)據(jù)收發(fā)單元；該 服務器還包括服務器側篩選單元；所述聊天數(shù)據(jù)收發(fā)單元，接收各個IM客戶端發(fā)來的聊天記錄，并將收到的所有聊天數(shù)據(jù)送至服務器側篩選單元；所述服務器側篩選單元，根據(jù)預置規(guī)則對備選字符串進行篩選，得到新詞。 該服務器進一步包括分詞單元，用于將得到的聊天數(shù)據(jù)對應的備選字符串劃分為一個或一個以上的詞，再將劃分好的詞送至服務器側篩選單元進行篩選。 上述方案中，該服務器進一步包括統(tǒng)計單元，用于接收服務器側篩選單元進行篩選后的詞，并將接收到的詞與從指定位置獲得的數(shù)據(jù)信息進行比較，統(tǒng) 計所接收到的詞在指定位置的出現(xiàn)次數(shù)是否達到設定閾值，將達到閾值的詞作為新詞。所述聊天數(shù)據(jù)收發(fā)單元還進一步用于將獲取的新詞直接下載到各個IM客
戶端，或根據(jù)IM客戶端的請求下載給有需求的IM客戶端。本發(fā)明又提出一種獲取新詞的系統(tǒng)，包括至少一個IM客戶端、后臺服務 器；該系統(tǒng)還包括篩選單元，用于根據(jù)預置規(guī)則對備選字符串進行篩選，得到新詞。其中，所述篩選單元位于IM客戶端；或位于后臺服務器；或位于IM客 戶端和后臺服務器。本發(fā)明所提供的獲取新詞的方法、系統(tǒng)及設備，將聊天數(shù)據(jù)作為詞源，從 聊天數(shù)據(jù)中獲取備選字符串，再對所獲取的字符串按預置規(guī)則進行篩選、統(tǒng)計， 獲取新詞。本發(fā)明具有以下的優(yōu)點和特點1) 由于本發(fā)明從聊天數(shù)據(jù)中提取新詞，且聊天數(shù)據(jù)來自于本端輸入，或來 自于一個或多個對端的輸入，如此，不僅擴展了新詞獲取的詞源，且獲取的新 詞更符合多數(shù)人的需求。2) 本發(fā)明獲取新詞的過程可以直接根據(jù)預置規(guī)則進行篩選，也可以在篩選 的基礎上進一步做比較、統(tǒng)計，以便更準確地得到新詞。3) 本發(fā)明的預置規(guī)則可以根據(jù)用戶需求設置各種篩選規(guī)則，不僅能準確度、 效率更高，且實現(xiàn)更靈活。4) 本發(fā)明的新詞獲取可以在IM客戶端完成，也可以在后臺服務器完成； 還可以采用兩層篩選，同時在IM客戶端和后臺服務器完成新詞獲取，實現(xiàn)更 靈活、多樣，且獲取的新詞適用范圍更廣。5 )本發(fā)明在IM客戶端和/或后臺服務器實現(xiàn)新詞獲取時，還可以通過上載、 下載、發(fā)送聊天數(shù)據(jù)等方式，將一個實體獲取的新詞發(fā)送給更多的用戶共享， 使新詞應用更廣泛，且能保證新詞在較大的范圍同步更新，進而節(jié)省時間和成 本，提高工作效率。


圖1為本發(fā)明的方法流程示意圖；圖2為本發(fā)明中IM客戶端的組成結構示意圖；圖3為本發(fā)明中實現(xiàn)新詞獲取的服務器的組成結構示意圖。
具體實施方式
隨著IM的迅速發(fā)展，使用即時通信方式進行交流的人越來越多，通過IM進行交流的內容越來越廣泛。基于此，本發(fā)明的核心思想是將聊天記錄中的聊天數(shù)據(jù)作為詞源，從聊天數(shù)據(jù)中獲取備選字符串，再對所獲取的字符串按預 置規(guī)則進行篩選、統(tǒng)計，將符合要求的字符串作為新詞。本發(fā)明中，獲取新詞的功能可以直接嵌入IM客戶端的即時通信軟件中。 本發(fā)明獲取新詞的方法如圖l所示，包括以下步驟 步驟100:從聊天數(shù)據(jù)中獲取備選字符串；這里，從聊天數(shù)據(jù)中獲取備選字符串與一般輸入法獲取字符串不同，從聊 天數(shù)據(jù)中獲取是實時獲取，不需要先存儲；更重要的是不僅可以獲取本端輸 入的聊天數(shù)據(jù)，還可以獲取接收到的對端的聊天數(shù)據(jù)，其中，對端可以有多個。對于本端輸入的聊天數(shù)據(jù)，具體做法是用戶通過輸入法向IM客戶端輸 入漢字，IM客戶端軟件接收當前輸入的數(shù)據(jù)信息，在將輸入數(shù)據(jù)作為聊天記錄 顯示于即時通信界面的同時，將當前的輸入信息作為備選字符串。對于來自對端的聊天數(shù)據(jù)，具體處理是當前用戶IM客戶端的軟件接收 對端發(fā)來的數(shù)據(jù)信息，在將接收的數(shù)據(jù)信息作為聊天記錄顯示于即時通信界面 的同時，將收到的數(shù)據(jù)信息作為備選字符串。本步驟中，可以進一步將備選字符串劃分為一個或一個以上的詞，之后再 對每個詞做后續(xù)的篩選處理；也可以不做劃分，而由后續(xù)的預置規(guī)則來完成分 詞操作，去掉不符合基本構詞要求的部分，以保證得到的是正常使用的詞。如 果做詞匯劃分，則所述的劃分可以是根據(jù)預置的分隔符區(qū)分不同的詞，比如 根據(jù)預置的分隔符，分割出需要的字符串，舉例來說，假設預置的規(guī)則是以逗 號作為分割符之一，則備選字符串為"秋天，美麗的季節(jié)"時，分割為"秋天" 和"美麗的季節(jié)"。也可以根據(jù)日常習慣進行分詞，比如備選字符串為"我的 偶像"，按曰常習慣可分為"我的"和"偶像"等等。這里，所述的劃分可采用現(xiàn)有的分詞算法實現(xiàn)，比如采用基于字符串匹　配的分詞方法、基于理解的分詞方法以及基于統(tǒng)計的分詞方法。其中，基于字 符串匹配的分詞方法又包括正向(由左到右)最大匹配法、逆向(由右到左) 最大匹配法、最少切分法等，可采用其中之一或任意組合。步驟110:根據(jù)預置規(guī)則對步驟100得到的備選字符串進行篩選，將經過 篩選后的詞作為新詞。這里，篩選規(guī)則是預先設定的，可以根據(jù)需要設置各種篩選規(guī)則，對于多 個篩選規(guī)則，可以單獨使用，也可以結合使用。所述的篩選規(guī)則有很多，比如將步驟100獲得的詞與已有詞庫中的詞進 行比較，如果是已有詞庫中沒有的，就認為是新詞，舉例來說，獲得的詞包括 "騰飛"、"騰躍"、"飛躍"，其中，"騰飛"、"騰躍"詞庫中已有，則僅認為"飛 躍"為新詞。再比如統(tǒng)計每個詞在聊天數(shù)據(jù)中出現(xiàn)的次數(shù)，設定一個閾值，如果出現(xiàn) 的次數(shù)小于閾值，就不認為是新詞；如果出現(xiàn)次數(shù)大于等于閾值，就認為是新 詞，舉例來說，設定閾值為500,如果"騰飛"出現(xiàn)358次，"騰躍"出現(xiàn)558 次，"飛躍"出現(xiàn)20次，則刪除"騰飛"和"飛躍"。這種情況下，可以連續(xù)統(tǒng) 計多條聊天記錄，包括本端發(fā)出的和本端收到的。又比如設置長度閾值，并結合與已有詞庫比較來篩選，具體的，先選出 處于某個長度范圍內的詞，再將選出的詞與已有詞庫中的詞進行比較，沒有出 現(xiàn)過的就作為新詞，舉例來說，設定長度范圍為2到8，假設收到"香港"、"香 港回歸十周年慶典"、"香港中心區(qū)"，則按長度規(guī)則刪除"香港回歸十周年慶典"， 保留"香港"和"香港中心區(qū)"。如果步驟100中進一步將備選字符串劃分為一個或多個詞，則本步驟根據(jù) 預置規(guī)則對步驟IOO得到的詞進行篩選。在實際應用中，僅采用步驟100和110的方式選取新詞，并不能完全體現(xiàn) 新詞的概念，因為新詞應該是使用頻率或說出現(xiàn)頻率較高的、已有詞庫中沒有 的詞，所以，為了確保所獲取的新詞是在常用環(huán)境下經常出現(xiàn)的，可以在步驟 110后進一步增加步驟120，同時修改步驟110為步驟110a:
步驟110a:根據(jù)預置規(guī)則對步驟100得到的備選字符串或詞進行篩選，得 到符合要求的詞；這種情況下，還可以增加很多篩選規(guī)則，比如去除不符合預置構詞法的 詞，舉例來說，假設當前預置的構詞法為刪除以"什么是"開頭的字符串，那 么，當獲取到"什么是專利"和"什么"兩個字符串后，因為"什么是專利" 這個字符串是以"什么是"開頭的，不符合預置構詞法的要求，所以刪除字符 串"什么是專利"，僅保留字符串"什么"。再比如去除不符合預置編碼要求 的字符的詞，舉例來說，假設當前設置的編碼要求為只選擇符合漢字編碼的字 符，在獲取到"什么？專利"時，由于其中的"？"屬于非漢字，則應刪除"？"。步驟120:統(tǒng)計并判斷經過篩選的詞在指定位置出現(xiàn)的次數(shù)是否達到設定 閾值，如果達到，則將相應詞作為新詞；否則，不作為新詞。這里，所述指定位置可以是互聯(lián)網數(shù)據(jù)，也可以是聊天記錄，聊天記錄包 括本端輸入的和對端發(fā)來的。其中，互聯(lián)網數(shù)據(jù)可以有不同的獲得途徑，比如 通過爬蟲技術獲取到任何的互聯(lián)網網頁，網頁上的數(shù)據(jù)即為互聯(lián)網數(shù)據(jù)；客戶 自身擁有的數(shù)據(jù)，包括電子文章、分類文章，諸如新聞、科技之類；其它客戶提供的數(shù)據(jù)。利用上述方法獲取的新詞，可進一步通過不同的方式提供給更多的人使用，更新覆蓋范圍相對大的詞庫。 一種實現(xiàn)方式是將獲取的新詞并入各種輸入法 的數(shù)據(jù)庫，那么，人們在更新輸入法數(shù)據(jù)庫后，就可以得到更多的新詞，更方 便用戶的使用；另一種實現(xiàn)方式是本端用戶通過即時通信系統(tǒng)，在進行聊天 時將自身產生的新詞發(fā)送給對端用戶，對端用戶收到后，可以用獲取的新詞更 新自身的詞庫，這里，對端用戶可以有若干個；再一種實現(xiàn)方式是，本端用戶 將自身獲取的新詞上載到后臺服務器，由后臺服務器主動下載給各個注冊的IM 客戶端，或是根據(jù)IM客戶端的請求下載給有需求的IM客戶端。這里，所說的 新詞也可以是個新詞庫；所說的后臺服務器可以是即時通信服務器，也可以是詞庫服務器，或是其它具備上述處理功能的服務器。通常，步驟100和110、或步驟100~ 120可以在本地的IM客戶端完成；
由于聊天記錄也會傳送至后臺服務器存儲，所以，步驟100和110、或步驟100 ~120也可以在后臺服務器完成。為了使所獲取的新詞更具普遍性、符合更多用戶的需求，本發(fā)明還可以進一步釆用兩層條選的方式，即同時在本地IM客戶端和后臺服務器進行篩選， 具體做法是先在本地IM客戶端按步驟100和110、或步驟100 120進行篩選，得到的結果并不直接作為新詞，而是作為備選詞發(fā)送至后臺服務器，后臺服務器收 集從各個IM客戶端發(fā)來的備選詞，再根據(jù)自身預設的篩選規(guī)則進行篩選和統(tǒng) 計，就相當于，在后臺服務器側再做一次步驟IIO、或再做一次步驟110和120。 IM客戶端和后臺服務器所設置的篩選規(guī)則可以相同，也可以不同；設置的出現(xiàn) 次數(shù)閾值也可以相同，可以不同。經過兩層篩選后得到的詞作為新詞，可以通 過主動下載方式給各個注冊的IM客戶端，也可以通過IM客戶端的請求方式下 載給有需求的IM客戶端。當獲取新詞在IM客戶端完成時，為實現(xiàn)本發(fā)明獲取新詞的方法，本發(fā)明 提出一種實現(xiàn)新詞獲取的IM客戶端，如圖2所示，包括已有的文本輸入單元 21、即時消息收發(fā)單元22、聊天記錄顯示單元23，關鍵是還包括終端側篩選 單元24。其中，文本輸入單元21，用于接收并顯示本端用戶輸入的信息，并將 收到的信息發(fā)送給即時消息收發(fā)單元22、聊天記錄顯示單元23和終端側篩選 單元24;即時消息收發(fā)單元22，連接聊天記錄顯示單元23和另一IM客戶端 的即時消息收發(fā)單元(圖中未示)，用于將從文本輸入單元21接收的本端用戶 輸入的信息發(fā)送給另一 IM客戶端，并將接收到的另一 IM客戶端發(fā)來的信息發(fā) 送給聊天記錄顯示單元23和終端側篩選單元24;聊天記錄顯示單元23，用于 顯示本端用戶輸入的發(fā)送給另一 IM客戶端的信息、以及收到的來自另一 IM客 戶端的信息；終端側篩選單元24，接收來自文本輸入單元21的本端輸入的聊 天數(shù)據(jù)信息，以及來自即時消息收發(fā)單元22的對端發(fā)來的聊天數(shù)據(jù)信息，并根 據(jù)預置規(guī)則對聊天數(shù)據(jù)對應的備選字符串進行篩選，得到新詞。其中，終端側 篩選單元24中的預置規(guī)則是預先設定并存儲于其中的。
該實現(xiàn)新詞獲取的IM客戶端可進一步包括分詞單元，位于終端側篩選單 元24之前，用于將得到的聊天數(shù)據(jù)對應的備選字符串劃分為 一個或 一個以上的詞，再將劃分好的詞送至終端側篩選單元24進行篩選。該實現(xiàn)新詞獲取的IM客戶端還可以進一步包括統(tǒng)計單元，用于接收終端 側篩選單元24進行篩選后的詞，并將接收到的詞與從指定位置獲得的數(shù)據(jù)信息 進行比較，統(tǒng)計所接收到的詞在指定位置的出現(xiàn)次數(shù)是否達到設定閾值，將達 到閾值的詞作為新詞。其中，指定位置可以是互聯(lián)網數(shù)據(jù)，也可以是來自本端 或對端的聊天記錄。即時消息收發(fā)單元22還可以進一步用于將本端獲取的新詞發(fā)送給對端，或 接收對端發(fā)來的新詞。該實現(xiàn)新詞獲取的IM客戶端還可以進一步包括服務器交互單元，用于將 本端獲取的新詞上載至后臺服務器，或接收后臺服務器廣播發(fā)送的新詞，或向 后臺服務器請求并下載新詞。由于本發(fā)明獲取新詞的方法也可以在服務器端實現(xiàn)，所以，當獲取新詞在 后臺服務器完成時，為實現(xiàn)本發(fā)明獲取新詞的方法，本發(fā)明提出一種實現(xiàn)新詞 獲取的服務器，如圖3所示，包括已有的聊天數(shù)據(jù)收發(fā)單元31，關鍵是還包括 服務器側篩選單元32。其中，聊天數(shù)據(jù)收發(fā)單元31，接收各個IM客戶端發(fā)來 的聊天記錄，并將收到的所有聊天數(shù)據(jù)送至服務器惻篩選單元32;服務器側篩 選單元32,根據(jù)預置規(guī)則對備選字符串進行篩選，得到新詞。其中，服務器側 篩選單元32中的預置規(guī)則是預先設定并存儲于其中的。該實現(xiàn)新詞獲取的服務器可進一步包括分詞單元，位于服務器側篩選單元 32之前，用于將收到的所有聊天數(shù)據(jù)對應的備選字符串劃分為一個或一個以上 的詞，再將劃分好的詞送至服務器側篩選單元32進行篩選。該實現(xiàn)新詞獲取的服務器還可以進一步包括統(tǒng)計單元，用于接收服務器側 篩選單元32進行篩選后的詞，并將接收到的詞與從指定位置獲得的數(shù)據(jù)信息進 行比較，統(tǒng)計所接收到的詞在指定位置的出現(xiàn)次數(shù)是否達到設定閾值，將達到 閾值的詞作為新詞。其中，指定位置可以是互聯(lián)網數(shù)據(jù)，也可以是來自本端或200710122187.2說明書第1V12頁對端的聊天記錄。聊天數(shù)據(jù)收發(fā)單元31還進一步用于將獲取的新詞直接下載到各個IM客戶端，或根據(jù)IM客戶端的請求下載給有需求的IM客戶端。本發(fā)明中，所述實現(xiàn)新詞獲取的服務器可以是即時通信服務器，也可以是詞庫服務器。聊天數(shù)據(jù)收發(fā)單元31、服務器側篩選單元32、分詞單元和統(tǒng)計單 元可以均位于即時通信服務器中或詞庫服務器中，也可以在同時存在即時通信 服務器和詞庫服務器時，聊天數(shù)據(jù)收發(fā)單元31位于即時通信服務器中，其余單 元位于詞庫服務器中。本發(fā)明還提出一種獲取新詞的系統(tǒng)，包括至少一個IM客戶端、后臺服務 器，關鍵在于，該系統(tǒng)還包括篩選單元，用于根據(jù)預置規(guī)則對備選字符串進行 篩選，得到新詞。所述篩選單元可以位于IM客戶端，也可以位于后臺服務器， 還可以同時設置于IM客戶端和后臺服務器。當篩選單元位于IM客戶端時，相 當于系統(tǒng)由至少一個圖2所示的IM客戶端與現(xiàn)有的后臺服務器構成；當篩選 單元位于后臺服務器時，相當于系統(tǒng)由圖3所示的后臺服務器與至少一個現(xiàn)有 的IM客戶端構成；當篩選單元同時設置于IM客戶端和后臺服務器時，相當于 系統(tǒng)由至少一個圖2所示的IM客戶端與圖3所示的后臺服務器構成，這種情 況下，IM客戶端與后臺服務器做兩層篩選。IM客戶端的即時消息收發(fā)單元與后臺服務器的聊天數(shù)據(jù)收發(fā)單元之間用 于傳輸篩選出的備選詞，或傳輸新詞。對于第一種和第三種情況，IM客戶端可以僅為能獲取新詞的IM客戶端， 也可以同時包括能獲取新詞的IM客戶端和已有的IM客戶端;對于第二種情況, 所述IM客戶端僅為已有的IM客戶端。同樣，該系統(tǒng)可進一步包括分詞單元，用于將得到的所有聊天數(shù)據(jù)對應的 備選字符串劃分為一個或多個詞，再將劃分好的詞送至篩選單元進行篩選。該系統(tǒng)還可以進一步包括統(tǒng)計單元，用于接收篩選單元進行篩選后的詞， 并將接收到的詞與從指定位置獲得的數(shù)據(jù)信息進行比較，統(tǒng)計所接收到的詞在 指定位置的出現(xiàn)次數(shù)是否達到設定閾值，將達到閾值的詞作為新詞。其中，指16 定位置可以是互聯(lián)網數(shù)據(jù)，也可以是來自本端或對端的聊天記錄。以上所述，僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范
權利要求
1、一種獲取新詞的方法，其特征在于，該方法包括A、從聊天數(shù)據(jù)中獲取備選字符串；B、根據(jù)預置規(guī)則對所得到的備選字符串進行篩選，將經過篩選后的詞作為新詞。
2、 根據(jù)權利要求l所述的方法，其特征在于，所述獲取為獲取本端輸入 的聊天數(shù)據(jù)；或為獲取接收到的對端的聊天數(shù)據(jù)，其中，所述對端為一個或一 個以上。
3、 根據(jù)權利要求l所述的方法，其特征在于，所述聊天數(shù)據(jù)為本端輸入的 聊天數(shù)據(jù)；則步驟A具體為IM客戶端軟件接收當前用戶通過輸入法輸入的數(shù)據(jù)信息，在將輸入數(shù)據(jù)作 為聊天記錄顯示于即時通信界面的同時，將當前的輸入信息作為備選字符串； 或者，所述聊天數(shù)據(jù)為來自對端的聊天數(shù)據(jù)；則步驟A具體為 IM客戶端軟件接收對端發(fā)來的數(shù)據(jù)信息，在將接收的數(shù)據(jù)信息作為聊天記 錄顯示于即時通信界面的同時，將收到的數(shù)據(jù)信息作為備選字符串。
4、 根據(jù)權利要求l所述的方法，其特征在于，步驟A與步驟B之間進一步包括將備選字符串劃分為一個或一個以上的詞；則步驟B根據(jù)預置規(guī)則對所得到的詞進行篩選。
5、 根據(jù)權利要求1至4任一項所述的方法，其特征在于，該方法進一步包 括將獲取的新詞并入各種輸入法的數(shù)據(jù)庫。
6、 根據(jù)權利要求1至4任一項所述的方法，其特征在于，所述步驟A和 步驟B由IM客戶端完成，該方法進一步包括IM客戶端將獲取的新詞通過即時通信系統(tǒng)發(fā)送給對端用戶。
7、 根據(jù)權利要求1至4任一項所述的方法，其特征在于，所述步驟A和 步驟B由IM客戶端完成，該方法進一步包括IM客戶端將獲取的新詞上載到 后臺服務器，由后臺服務器主動下載給各個注冊的IM客戶端，或根據(jù)IM客戶端的請求下載給有需求的IM客戶端。
8、 根據(jù)權利要求1至4任一項所述的方法，其特征在于，所述步驟A和 步驟B由后臺服務器完成，該方法進一步包括后臺服務器將獲取的新詞主動 下載給各個注冊的IM客戶端，或根據(jù)IM客戶端的請求下載給有需求的IM客 戶端。
9、 根據(jù)權利要求1至4任一項所述的方法，其特征在于，步驟B所述篩 選后進一步包括統(tǒng)計并判斷經過篩選的詞在指定位置出現(xiàn)的次數(shù)是否達到設 定閾值，如果達到，則將相應詞作為新詞；否則不作為新詞。
10、 根據(jù)權利要求9所述的方法，其特征在于，所述指定位置為互聯(lián)網數(shù) 據(jù)，或為來自本端或對端的聊天記錄。
11、 根據(jù)權利要求9所述的方法，其特征在于，該方法進一步包括將獲 取的新詞并入各種輸入法的數(shù)據(jù)庫。
12、 根據(jù)權利要求9所述的方法，其特征在于，所述步驟A和步驟B由IM 客戶端完成，該方法進一步包括IM客戶端將獲取的新詞通過即時通信系統(tǒng)發(fā) 送給對端用戶。
13、 根據(jù)權利要求9所述的方法，其特征在于，所述步驟A和步驟B由IM 客戶端完成，該方法進一步包括IM客戶端將獲取的新詞上載到后臺服務器， 由后臺服務器主動下載給各個注冊的IM客戶端，或根據(jù)IM客戶端的請求下載 給有需求的IM客戶端。
14、 根據(jù)權利要求9所述的方法，其特征在于，所述步驟A和步驟B由后 臺服務器完成，該方法進一步包括后臺服務器將獲取的新詞主動下載給各個 注冊的IM客戶端，或根據(jù)IM客戶端的請求下載給有需求的IM客戶端。
15、 一種實現(xiàn)新詞獲取的IM客戶端，包括文本輸入單元、即時消息收 發(fā)單元、聊天記錄顯示單元，其特征在于，該IM客戶端還包括終端側篩選 單元；所述文本輸入單元，用于接收并顯示本端用戶輸入的信息，并將收到的信 息發(fā)送給即時消息收發(fā)單元、聊天記錄顯示單元和終端側篩選單元；所述即時消息收發(fā)單元，用于將從文本輸入單元接收的本端用戶輸入的信 息發(fā)送給另一 IM客戶端，并將接收到的另一 IM客戶端發(fā)來的信息發(fā)送給聊天記錄顯示單元和終端側篩選單元；所述終端側篩選單元，接收來自文本輸入單元的本端輸入的聊天數(shù)據(jù)信息， 以及來自即時消息收發(fā)單元的對端發(fā)來的聊天數(shù)據(jù)信息，并根據(jù)預置規(guī)則對聊 天數(shù)據(jù)對應的備選字符串進行篩選，得到新詞。
16、 根據(jù)權利要求15所述的IM客戶端，其特征在于，該IM客戶端進一 步包括分詞單元，用于將得到的聊天數(shù)據(jù)對應的備選字符串劃分為一個或一個 以上的詞，再將劃分好的詞送至終端側篩選單元進行篩選。
17、 根據(jù)權利要求15或16所述的IM客戶端，其特征在于，該IM客戶端 進一步包括統(tǒng)計單元，用于接收終端側篩選單元進行篩選后的詞，并將接收到 的詞與從指定位置獲得的數(shù)據(jù)信息進行比較，統(tǒng)計所接收到的詞在指定位置出 現(xiàn)次數(shù)是否達到設定閾值，將達到闔值的詞作為新詞。
18、 根據(jù)權利要求17所述的IM客戶端，其特征在于，所述即時消息收發(fā) 單元還可以進一步用于將本端獲取的新詞發(fā)送給對端，或接收對端發(fā)來的新詞。
19、 根據(jù)權利要求17所述的IM客戶端，其特征在于，該IM客戶端進一 步包括服務器交互單元，用于將本端獲取的新詞上載至后臺服務器，或接收后 臺服務器廣播發(fā)送的新詞，或向后臺服務器請求并下載新詞。
20、 一種實現(xiàn)新詞獲取的服務器，包括聊天數(shù)據(jù)收發(fā)單元；其特征在于， 該服務器還包括服務器側篩選單元；所述聊天數(shù)據(jù)收發(fā)單元，接收各個IM客戶端發(fā)來的聊天記錄，并將收到 的所有聊天數(shù)據(jù)送至服務器側篩選單元；所述服務器側篩選單元，根據(jù)預置規(guī)則對備選字符串進行篩選，得到新詞。
21、 根據(jù)權利要求20所述的服務器，其特征在于，該服務器進一步包括分 詞單元，用于將得到的聊天數(shù)據(jù)對應的備選字符串劃分為一個或一個以上的詞， 再將劃分好的詞送至服務器側篩選單元進行篩選。
22、 根據(jù)權利要求20或21所述的服務器，其特征在于，該服務器進一步 包括統(tǒng)計單元，用于接收服務器側篩選單元進行篩選后的詞，并將接收到的詞 與從指定位置獲得的數(shù)據(jù)信息進行比較，統(tǒng)計所接收到的詞在指定位置的出現(xiàn) 次數(shù)是否達到設定閾值，將達到閾值的詞作為新詞。
23、 根據(jù)權利要求22所述的服務器，其特征在于，所述聊天數(shù)據(jù)收發(fā)單元 還進一步用于將獲取的新詞直接下載到各個IM客戶端，或根據(jù)IM客戶端的請 求下載給有需求的IM客戶端。
24、 一種獲取新詞的系統(tǒng)，包括至少一個IM客戶端、后臺服務器；其特 征在于，該系統(tǒng)還包括篩選單元，用于根據(jù)預置規(guī)則對備選字符串進行篩選， 得到新詞。
25、 根據(jù)權利要求24所述的系統(tǒng)，其特征在于，所述篩選單元位于IM客 戶端；或位于后臺服務器；或位于IM客戶端和后臺服務器。
26、 根據(jù)權利要求24或25所述的系統(tǒng)，其特征在于，該系統(tǒng)進一步包括 分詞單元，用于將得到的所有聊天數(shù)據(jù)對應的備選字符串劃分為一個或多個詞， 再將劃分好的詞送至篩選單元進行篩選。
27、 根據(jù)權利要求26所述的系統(tǒng)，其特征在于，該系統(tǒng)進一步包括統(tǒng)計單 元，用于接收篩選單元進行篩選后的詞，并將接收到的詞與從指定位置獲得的 數(shù)據(jù)信息進行比較，統(tǒng)計所接收到的詞在指定位置的出現(xiàn)次數(shù)是否達到設定閾 值，將達到閾值的詞作為新詞。
全文摘要
本發(fā)明公開了一種獲取新詞的方法，包括A.從聊天數(shù)據(jù)中獲取備選字符串；B.根據(jù)預置規(guī)則對所得到的備選字符串進行篩選，將經過篩選后的詞作為新詞。本發(fā)明還同時公開了一種獲取新詞的系統(tǒng)及實現(xiàn)新詞獲取的即時通信客戶端和服務器，采用本發(fā)明能基于即時通信的詞源簡單、有效、實時地自動獲取新詞，并能使所獲取的新詞適用范圍更廣。
文檔編號G06F17/20GK101119334SQ20071012218
公開日2008年2月6日 申請日期2007年9月21日 優(yōu)先權日2007年9月21日
發(fā)明者李偉杰 申請人:騰訊科技(深圳)有限公司