專(zhuān)利名稱(chēng)：一種poi的容錯(cuò)搜索方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息檢索技術(shù)領(lǐng)域，尤其涉及一種POI (興趣點(diǎn))的容錯(cuò)搜索方法。
背景技術(shù)：
當(dāng)前社會(huì)信息的快速增長(zhǎng)給人們的生活帶來(lái)的巨大的變化。人們身邊都充斥著大量的信息，在這些海量信息中快速找到需要的信息，將很大程度地提高人們的工作效率。信息檢索技術(shù)的出現(xiàn)，逐步滿(mǎn)足了人們的要求。信息檢索一詞出現(xiàn)于20世紀(jì)50年代，又稱(chēng)為信息存儲(chǔ)與檢索或者情報(bào)檢索，是指將信息按照一定的方式組織和存儲(chǔ)起來(lái)，并根據(jù)信息用戶(hù)的需要找出有關(guān)信息的過(guò)程和技術(shù)。也就是說(shuō)，包括“存”和“取”兩個(gè)環(huán)節(jié)和內(nèi)容，狹義的信息檢索就是信息檢索過(guò)程的后半部分，即從信息集合中找到所需要的信息的過(guò)程，也就是我們常說(shuō)的信息查詢(xún)(Information Search 或 Information Seek)0信息檢索的主要環(huán)節(jié)如下信息內(nèi)容分析和編碼，產(chǎn)生信息記錄及檢索標(biāo)識(shí)；組織存儲(chǔ)，將全部記錄按照文件、數(shù)據(jù)庫(kù)等形式組成有序的信息集合；用戶(hù)提交搜索請(qǐng)求，搜索和檢索結(jié)果的輸出。關(guān)鍵部分是信息提問(wèn)和信息集合的匹配和選擇，即對(duì)給定檢索請(qǐng)求與集合中的記錄進(jìn)行相似性比較，根據(jù)一定的匹配標(biāo)準(zhǔn)選出有關(guān)信息。POI (興趣點(diǎn))搜索是導(dǎo)航產(chǎn)品中重要的組成部分，而POI的數(shù)量達(dá)到了千萬(wàn)，面對(duì)如此巨大的信息量，需要使用信息檢索技術(shù)來(lái)組織和檢索POI的信息。通常，POI的原始數(shù)據(jù)由地圖廠(chǎng)商提供，我們根據(jù)導(dǎo)航產(chǎn)品的實(shí)際情況重新組織和存儲(chǔ)數(shù)據(jù)，建立索引文件。傳統(tǒng)的檢索技術(shù)基于關(guān)鍵詞匹配進(jìn)行檢索，往往存在查不全，查不準(zhǔn)，檢索質(zhì)量不高的現(xiàn)象。特別是在POI檢索方面，用戶(hù)在導(dǎo)航之前需要查找目的地，而往往用戶(hù)在需要導(dǎo)航的時(shí)候，經(jīng)常是在一個(gè)陌生的地方，當(dāng)查找某個(gè)POI的時(shí)候，用戶(hù)很可能并不知道POI準(zhǔn)確的名字，這就增加了用戶(hù)輸入錯(cuò)誤關(guān)鍵字的可能性。傳統(tǒng)的方法只根據(jù)用戶(hù)輸入的關(guān)鍵字去搜索，很可能得不到用戶(hù)想要的結(jié)果，

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種當(dāng)用戶(hù)輸入與POI信息發(fā)音相同或相似的錯(cuò)誤關(guān)鍵字時(shí)，仍能返回滿(mǎn)足用戶(hù)要求的POI結(jié)果的容錯(cuò)搜索方法。本發(fā)明一種POI的容錯(cuò)搜索方法，是在習(xí)有的漢字分詞索引的基礎(chǔ)上建立全拼索引，只有在輸入的漢字關(guān)鍵字通過(guò)漢字分詞索引出現(xiàn)無(wú)搜索結(jié)果的時(shí)侯，進(jìn)一步將關(guān)鍵字轉(zhuǎn)換成對(duì)應(yīng)的全拼組合，利用全拼索引搜索算法查找出與所述關(guān)鍵字拼音相同或相似的POI結(jié)果。所述的建立全拼索引，就是根據(jù)GBK字庫(kù)統(tǒng)計(jì)出漢字標(biāo)準(zhǔn)發(fā)音的種類(lèi)，并將該標(biāo)準(zhǔn)發(fā)音按照字典排序方式排序，形成全拼索引項(xiàng)表；然后查看POI信息中各個(gè)漢字的發(fā)音，如果漢字的發(fā)音與全拼索引項(xiàng)表中某個(gè)發(fā)音相同，就將此POI信息的編號(hào)插入到全拼索引項(xiàng)表對(duì)應(yīng)發(fā)音的表中，依次建立POI全拼索引。所述的全拼索引搜索算法，就是分別將全拼組合中每個(gè)字的拼音與全拼索引項(xiàng)表進(jìn)行匹配，獲得包含POI信息的索引號(hào)，再取交集得到包含POI結(jié)果的索引號(hào)，并計(jì)算POI結(jié)果的權(quán)值，將這個(gè)權(quán)值作為排序的依據(jù)。所述的POI結(jié)果的權(quán)值的計(jì)算方法如下如果檢索出來(lái)的POI結(jié)果名字的全拼和關(guān)鍵字的全拼完全匹配，則此POI結(jié)果的權(quán)值為1 ；如果檢索出來(lái)的POI結(jié)果名字的全拼和關(guān)鍵字的全拼前綴匹配，則此POI結(jié)果的權(quán)值為2 ；如果關(guān)鍵字的全拼在POI結(jié)果名字的全拼中的中間或者后綴，則此POI結(jié)果的權(quán)值為3;如果關(guān)鍵字的全拼在POI結(jié)果名字的全拼中都有，并且是按照順序排序的，這樣的POI結(jié)果的權(quán)值就是4;如果關(guān)鍵字的全拼在POI結(jié)果名字的全拼中都有，但先后順序不同，這樣的POI結(jié)果的權(quán)值為5 ；最后，按照POI結(jié)果的權(quán)值從1至5進(jìn)行排序。本發(fā)明一種POI容錯(cuò)搜索方法，是在習(xí)有的漢字分詞索引的基礎(chǔ)上建立全拼索引，只有在用戶(hù)輸入的漢字關(guān)鍵字通過(guò)漢字分詞索引出現(xiàn)無(wú)搜索結(jié)果的時(shí)候，進(jìn)一步將該關(guān)鍵字轉(zhuǎn)換成對(duì)應(yīng)的全拼組合，利用全拼索引查找出與所述關(guān)鍵字拼音相同或相似的POI結(jié)果；本發(fā)明彌補(bǔ)了傳統(tǒng)搜索算法的不足，能夠在用戶(hù)錯(cuò)誤輸入搜索關(guān)鍵字的同音字的情況下，仍然可以返回滿(mǎn)足用戶(hù)要求的結(jié)果，提高了 POI搜索的容錯(cuò)能力。


圖1為本發(fā)明中倒排文件索引結(jié)構(gòu)；圖2為本發(fā)明的流程示意圖。以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳述。
具體實(shí)施例方式POI搜索是建立在索引文件的基礎(chǔ)上實(shí)施的。POI搜索面對(duì)大量用戶(hù)的檢索請(qǐng)求，盡可能地將大運(yùn)算量的工作在索引建立時(shí)完成，檢索時(shí)運(yùn)算盡可能的少，對(duì)POI索引文件結(jié)構(gòu)采用倒排索引技術(shù)，如圖1所示。倒排文件是大型信息檢索中使用最廣泛的文件索引方式，“倒排”表示依據(jù)檢索屬性來(lái)列舉相關(guān)文件，對(duì)POI搜索系統(tǒng)來(lái)說(shuō)，倒排文件就是描述一個(gè)索引項(xiàng)集合元素和一個(gè)POI集合元素對(duì)應(yīng)關(guān)系的數(shù)據(jù)結(jié)構(gòu)。創(chuàng)建倒排索引包括建立正向索引和反向索引。分析完P(guān)OI源數(shù)據(jù)后，得到以POI源數(shù)據(jù)為主鍵的正向索引表，如圖1(a)所示。當(dāng)反向索引建立后，得到圖1(b)。這是一個(gè)表重組的過(guò)程，最終得到以索引詞為主鍵的最終的倒排文件索引，即反向索引。
一般的POI搜索都支持關(guān)鍵字的搜索，都建立了關(guān)鍵字的分詞索引，用戶(hù)輸入關(guān)鍵字，搜索服務(wù)器在索引文件中查找相應(yīng)的結(jié)果。在輸入錯(cuò)誤的情況下，不能找到用戶(hù)想知道的POI信息。例如，廈門(mén)的地名“揚(yáng)厝”，不熟悉的用戶(hù)可能錯(cuò)誤地輸入成“羊厝”或“楊厝”，由于沒(méi)有這樣的POI信息，所以就找不到搜索結(jié)果。本發(fā)明一種POI的容錯(cuò)搜索方法，主要是在習(xí)有的漢字分詞索引的基礎(chǔ)上建立全拼索引，只有在輸入的漢字關(guān)鍵字通過(guò)漢字分詞索引出現(xiàn)無(wú)搜索結(jié)果的時(shí)侯，進(jìn)一步將關(guān)鍵字轉(zhuǎn)換成對(duì)應(yīng)的全拼組合，利用全拼索引搜索算法查找出與所述關(guān)鍵字拼音相同或相似的POI結(jié)果。按照信息檢索的方法，具體實(shí)施過(guò)程分為數(shù)據(jù)的組織和用戶(hù)檢索的過(guò)程.具體包括以下幾個(gè)步驟(1)建立全拼索引由于POI搜索是基于文件搜索方式實(shí)現(xiàn)的，本發(fā)明建立全拼索引，就是將所有的POI信息，按發(fā)音相同或者相似的要求組織成為一個(gè)索引文件存放。目前，電腦上用到的漢字字庫(kù)一般都支持GBK字庫(kù)，該GBK包含了 20902個(gè)漢，涵蓋了大陸GBK2312簡(jiǎn)體字和臺(tái)灣BIG5繁體字。根據(jù)GBK字庫(kù)漢字發(fā)音的統(tǒng)計(jì)，目前漢字的發(fā)音為414種(去除音調(diào)的不同)，在建立全拼索引時(shí)，先將這414種標(biāo)準(zhǔn)發(fā)音按照字典排序方式排序，形成全拼索引項(xiàng)表；然后查看POI各個(gè)漢字的發(fā)音，如果漢字的發(fā)音與全拼索引項(xiàng)表中某個(gè)發(fā)音相同，就將此POI的編號(hào)插入到此項(xiàng)的表中，按照此方法完成POI全拼索引。在建立全拼索引文件的時(shí)候，也要注意發(fā)音相似的情況，特別是如下的發(fā)音力口 h卷舌音如z，c，s與zh, ch, sh的區(qū)別；漢字拼音后面有無(wú)g的情況如shan和shang ；漢字拼音中η和1的區(qū)別.如nian和lian。以下結(jié)合具體例子來(lái)說(shuō)明全拼索引的建立方法。例如Ρ0Ι原始數(shù)據(jù)如下(只取名字和全拼字段，其他信息略)POI 信息肯德基(ken de ji)在建立全拼索引的時(shí)候，已經(jīng)知道414個(gè)標(biāo)準(zhǔn)拼音的順序，如POI信息“肯德基”有三個(gè)發(fā)音ken、de、ji, ken在全拼索引項(xiàng)表中為巧4位，de在全拼索引項(xiàng)表中為64位，ji在全拼索引項(xiàng)表中為133位，所以POI信息“肯德基”的索引號(hào)就分別加入到全拼索引項(xiàng)表的這三個(gè)位置上，其他的POI在建立索引的時(shí)候用相同的方法來(lái)組織數(shù)據(jù)。(2)全拼索引搜索算法的實(shí)現(xiàn)如圖2所示，當(dāng)用戶(hù)輸入漢字關(guān)鍵字，通過(guò)漢字分詞索引進(jìn)行搜索，若無(wú)搜索結(jié)果，則將該關(guān)鍵字轉(zhuǎn)換成全拼組合，分別將全拼組合中每個(gè)字的拼音與全拼索引項(xiàng)表進(jìn)行匹配，獲得包含POI信息的索引號(hào)，再取交集得到包含POI結(jié)果的索引號(hào)。當(dāng)含有多音字的時(shí)候，需要轉(zhuǎn)換成若干組的全拼組合，并將該多音字的多個(gè)全拼組合分別進(jìn)行搜索，這樣可以提高返回POI信息的準(zhǔn)確度。如用戶(hù)輸入關(guān)鍵字“肯德雞”，首先直接按照這個(gè)關(guān)鍵字通過(guò)漢字分詞索引進(jìn)行搜索，將得不到結(jié)果；本發(fā)明進(jìn)一步將“肯德雞”轉(zhuǎn)換成它的全拼組合“！^”，“如”，“^，按照全拼索引，分別找到第154位的“ken”，64位的“de”和133位的“ji”，分別取出它們包含的POI結(jié)果信息的索引號(hào)，再取交集，這樣就可以找到POI結(jié)果的索引號(hào)，以及此索引號(hào)對(duì)應(yīng)的POI信息“肯德基”，并且此POI結(jié)果的權(quán)值為1。(3)搜索結(jié)果排序搜索結(jié)果排序是搜索算法很重要的組成部分，是將最后滿(mǎn)足檢索要求的搜索結(jié)果呈現(xiàn)給用戶(hù)，好的排序能夠給用戶(hù)帶來(lái)較好的體驗(yàn)。搜索結(jié)果排序的時(shí)候，先計(jì)算滿(mǎn)足要求POI結(jié)果的權(quán)值，將這個(gè)權(quán)值作為排序的依據(jù)。所述的POI結(jié)果的權(quán)值的計(jì)算方法如下如果檢索出來(lái)的POI結(jié)果名字的全拼和關(guān)鍵字的全拼完全匹配，則此POI結(jié)果的權(quán)值為1 ；如果檢索出來(lái)的POI結(jié)果名字的全拼和關(guān)鍵字的全拼前綴匹配，則此POI結(jié)果的權(quán)值為2 ；如果關(guān)鍵字的全拼在POI結(jié)果名字的全拼中的中間或者后綴，則此POI結(jié)果的權(quán)值為3;如果關(guān)鍵字的全拼在POI結(jié)果名字的全拼中都有，并且是按照順序排序的，這樣的POI結(jié)果的權(quán)值就是4;如果關(guān)鍵字的全拼在POI結(jié)果名字的全拼中都有，但先后順序不同，這樣的POI結(jié)果的權(quán)值為5 ；最后，按照POI結(jié)果的權(quán)值從1至5進(jìn)行排序。例如格式為 < 搜索關(guān)鍵字>VS<P0I結(jié)果名字><肯德雞>VS<肯德基 >，此POI結(jié)果的權(quán)值為1 ；<肯德雞>VS<肯德基遠(yuǎn)大路店 >，此POI結(jié)果的權(quán)值為2 ；<肯德雞>VS<北京肯德基遠(yuǎn)大路店 >，此POI結(jié)果的權(quán)值為3 ；<亞訊>VS<亞馬迅巴西燒烤 >，此POI結(jié)果的權(quán)值為4 ；<海滄建行>VS<中國(guó)建設(shè)銀行海滄支行 >，此POI結(jié)果的權(quán)值為5。本發(fā)明的發(fā)明重點(diǎn)在于在習(xí)有的漢字分詞索引的基礎(chǔ)上建立全拼索引，只有在用戶(hù)輸入的漢字關(guān)鍵字通過(guò)漢字分詞索引出現(xiàn)無(wú)搜索結(jié)果的時(shí)候，進(jìn)一步將該關(guān)鍵字轉(zhuǎn)換成對(duì)應(yīng)的全拼組合，利用全拼索引搜索算法查找出與所述關(guān)鍵字拼音相同或相似的POI結(jié)果；本發(fā)明彌補(bǔ)了傳統(tǒng)搜索算法的不足，能夠在用戶(hù)錯(cuò)誤輸入搜索關(guān)鍵字的同音字的情況下，返回滿(mǎn)足用戶(hù)要求的結(jié)果，提高了 POI搜索的容錯(cuò)能力。
權(quán)利要求
1.一種POI的容錯(cuò)搜索方法，其特征在于在習(xí)有的漢字分詞索引的基礎(chǔ)上建立全拼索引，只有在輸入的漢字關(guān)鍵字通過(guò)漢字分詞索引出現(xiàn)無(wú)搜索結(jié)果的時(shí)侯，進(jìn)一步將關(guān)鍵字轉(zhuǎn)換成對(duì)應(yīng)的全拼組合，利用全拼索引搜索算法查找出與所述關(guān)鍵字拼音相同或相似的POI結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種POI的容錯(cuò)搜索方法，其特征在于所述的建立全拼索引，就是根據(jù)GBK字庫(kù)統(tǒng)計(jì)出漢字標(biāo)準(zhǔn)發(fā)音的種類(lèi)，并將該標(biāo)準(zhǔn)發(fā)音按照字典排序方式排序，形成全拼索引項(xiàng)表；然后查看POI信息中各個(gè)漢字的發(fā)音，如果漢字的發(fā)音與全拼索引項(xiàng)表中某個(gè)發(fā)音相同，就將此POI信息的編號(hào)插入到全拼索引項(xiàng)表對(duì)應(yīng)發(fā)音的表中，依次建立POI全拼索引。
3.根據(jù)權(quán)利要求1所述的一種POI的容錯(cuò)搜索方法，其特征在于所述的全拼索引搜索算法，就是分別將全拼組合中每個(gè)字的拼音與全拼索引項(xiàng)表進(jìn)行匹配，獲得包含POI信息的索引號(hào)，再取交集得到包含POI結(jié)果的索引號(hào)，并計(jì)算POI結(jié)果的權(quán)值，將這個(gè)權(quán)值作為排序的依據(jù)。
4.根據(jù)權(quán)利要求3所述的一種POI的容錯(cuò)搜索方法，其特征在于所述的POI結(jié)果的權(quán)值的計(jì)算方法如下如果檢索出來(lái)的POI結(jié)果名字的全拼和關(guān)鍵字的全拼完全匹配，則此POI結(jié)果的權(quán)值為1 ；如果檢索出來(lái)的POI結(jié)果名字的全拼和關(guān)鍵字的全拼前綴匹配，則此POI結(jié)果的權(quán)值為2;如果關(guān)鍵字的全拼在POI結(jié)果名字的全拼中的中間或者后綴，則此POI結(jié)果的權(quán)值為·3 ；如果關(guān)鍵字的全拼在POI結(jié)果名字的全拼中都有，并且是按照順序排序的，這樣的POI結(jié)果的權(quán)值就是4;如果關(guān)鍵字的全拼在POI結(jié)果名字的全拼中都有，但先后順序不同，這樣的POI結(jié)果的權(quán)值為5 ；最后，按照POI結(jié)果的權(quán)值從1至5進(jìn)行排序。
全文摘要
本發(fā)明一種POI容錯(cuò)搜索的方法，是在習(xí)有的漢字分詞索引的基礎(chǔ)上建立全拼索引，只有在用戶(hù)輸入的漢字關(guān)鍵字通過(guò)漢字分詞索引出現(xiàn)無(wú)搜索結(jié)果的時(shí)候，進(jìn)一步將該關(guān)鍵字轉(zhuǎn)換成對(duì)應(yīng)的全拼組合，利用全拼索引搜索算法查找出與所述關(guān)鍵字拼音相同或相似的POI結(jié)果；本發(fā)明彌補(bǔ)了傳統(tǒng)搜索算法的不足，能夠在用戶(hù)錯(cuò)誤輸入搜索關(guān)鍵字的同音字的情況下，返回滿(mǎn)足用戶(hù)要求的結(jié)果，提高了POI搜索的容錯(cuò)能力。
文檔編號(hào)G06F17/30GK102385597SQ20101027295
公開(kāi)日2012年3月21日 申請(qǐng)日期2010年8月31日 優(yōu)先權(quán)日2010年8月31日
發(fā)明者季剛, 時(shí)宜, 程行榮, 胡濤 申請(qǐng)人:廈門(mén)雅迅網(wǎng)絡(luò)股份有限公司