一種應(yīng)用于搜索中的中文詞匯糾錯方法及其裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種應(yīng)用于搜索中的中文詞匯糾錯方法及 其裝置。
【背景技術(shù)】
[0002] 在使用搜索引擎進(jìn)行搜索的過程中，用戶所輸入的詞語等字符串，有可能含有錯 別字等錯誤內(nèi)容。據(jù)統(tǒng)計，有10%~15%的用戶輸入的原始查詢是含有錯誤的，那么對這種 錯誤的原始輸入的糾正是保證信息服務(wù)質(zhì)量的一個重要環(huán)節(jié)。
[0003] 傳統(tǒng)的錯詞糾正，是基于一個錯詞庫，將用戶經(jīng)常犯錯誤的詞收入庫中，當(dāng)用戶搜 索得到的搜索結(jié)果過少時，啟用糾錯流程，使用正確的詞進(jìn)行查詢，同時提示用戶是不是搜 索的是這個詞。一方面，這種錯詞庫需要由相應(yīng)的專業(yè)人員來進(jìn)行維護(hù)，使得成本增加，另 一方面，這種手動配置錯誤詞庫的方式，在面對海量搜索，用戶輸入的錯詞多變且不可預(yù)估 的情況下，并不能夠滿足要求，從而不能給用戶提供一個良好的網(wǎng)絡(luò)服務(wù)體驗，進(jìn)而嚴(yán)重影 響網(wǎng)絡(luò)服務(wù)質(zhì)量，并將導(dǎo)致網(wǎng)絡(luò)用戶的流失。
[0004] 因此，如何在等同硬件條件的情況下，更加準(zhǔn)確，低成本的解決用戶輸入的糾錯工 作，從而給用戶快速和智能的網(wǎng)絡(luò)服務(wù)體驗成為目前急需解決的一個問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的實施例所要解決的技術(shù)問題在于提供一種應(yīng)用于搜索中的中文詞匯糾 錯方法及其裝置，能夠在等同硬件條件的情況下，更加準(zhǔn)確，更加低成本的解決用戶輸入的 糾錯工作，從而給用戶快速和智能的網(wǎng)絡(luò)服務(wù)體驗。
[0006] 為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案如下：
[0007] 本發(fā)明提供了一種應(yīng)用于搜索中的中文詞匯糾錯方法，其包括步驟：
[0008] 預(yù)先建立標(biāo)準(zhǔn)詞庫，所述標(biāo)準(zhǔn)詞庫包括多個標(biāo)準(zhǔn)詞匯，以及所述標(biāo)準(zhǔn)詞匯中每個 字符的位置信息和拼音信息；
[0009]自動獲取用戶輸入的待判定字符串，得到所述待判定字符串中各個字符的位置信 息和拼音信息；
[0010] 根據(jù)所述標(biāo)準(zhǔn)詞匯和所述待判定字符串中每個字符的位置信息和拼音信息，將所 述待判定字符串和所述標(biāo)準(zhǔn)詞匯中每個字符的位置信息和拼音信息進(jìn)行比較，并根據(jù)比較 結(jié)果從所述標(biāo)準(zhǔn)詞庫中選擇正確的詞匯。
[0011] 進(jìn)一步地，所述根據(jù)所述標(biāo)準(zhǔn)詞匯和所述待判定字符串中每個字符的位置信息和 拼音信息，將所述待判定字符串和所述標(biāo)準(zhǔn)詞匯中每個字符的位置信息和拼音信息進(jìn)行比 較，并根據(jù)比較結(jié)果從所述標(biāo)準(zhǔn)詞庫中選擇正確的詞匯的步驟，具體包括步驟：
[0012] 根據(jù)所述待判定字符串和所述標(biāo)準(zhǔn)詞匯中每個字符的位置信息，將所述待判定字 符串與所述標(biāo)準(zhǔn)詞匯進(jìn)行字形比較，根據(jù)比較結(jié)果從所述標(biāo)準(zhǔn)詞庫中選擇出對比詞匯組；
[0013] 根據(jù)所述待判定字符串和所述對比詞匯組中標(biāo)準(zhǔn)詞匯的每個字符的拼音信息，將 所述待判定字符串與所述對比詞匯組中每個標(biāo)準(zhǔn)詞匯進(jìn)行拼音比較，并根據(jù)字形比較結(jié)果 和拼音比較結(jié)果從所述對比詞匯組中選擇出正確的詞匯。
[0014] 進(jìn)一步地，所述根據(jù)所述待判定字符串和所述標(biāo)準(zhǔn)詞匯中每個字符的位置，將所 述待判定字符串與所述標(biāo)準(zhǔn)詞匯進(jìn)行字形比較，根據(jù)比較結(jié)果從所述標(biāo)準(zhǔn)詞庫中選擇出對 比詞匯組的步驟具體為：
[0015] 根據(jù)所述待判定字符串的字符總數(shù)，在所述標(biāo)準(zhǔn)詞庫中選擇出字符總數(shù)相同的待 選定標(biāo)準(zhǔn)詞匯組；
[0016] 將所述待判定字符串與所述待選定標(biāo)準(zhǔn)詞匯組中的每個標(biāo)準(zhǔn)詞匯進(jìn)行字形對比 較，并根據(jù)比較結(jié)果從所述待選定標(biāo)準(zhǔn)詞匯組中選擇出對比詞匯組。
[0017] 更進(jìn)一步地，所述將所述待判定字符串與所述待選定標(biāo)準(zhǔn)詞匯組中的每個標(biāo)準(zhǔn)詞 匯進(jìn)行字形對比較，并根據(jù)比較結(jié)果從所述待選定標(biāo)準(zhǔn)詞匯組中選擇出對比詞匯組的步 驟，具體包括步驟：
[0018]根據(jù)所述待判定字符串中每個字符的位置，將所述待判定字符串與所述待選定標(biāo) 準(zhǔn)詞匯組中每個標(biāo)準(zhǔn)詞匯進(jìn)行字形比較，并計算得到每個標(biāo)準(zhǔn)詞匯與所述待判定字符串之 間的字形相似度；
[0019] 比較計算得到的各個標(biāo)準(zhǔn)詞匯與所述待判定字符串的字形相似度，選擇字形相似 度最高的標(biāo)準(zhǔn)詞匯作為對比詞匯組；
[0020] 其中，所述字形相似度的計算方式為：字形相似度=相同位置相同的字符數(shù)/標(biāo)準(zhǔn) 詞匯的總字符數(shù)。
[0021] 更進(jìn)一步地，所述根據(jù)所述待判定字符串和所述對比詞匯組中標(biāo)準(zhǔn)詞匯的每個字 符的拼音信息，將所述待判定字符串與所述對比詞匯組中各個標(biāo)準(zhǔn)詞匯進(jìn)行拼音比較，并 根據(jù)字形比較結(jié)果和拼音比較結(jié)果從所述對比詞匯組中選擇出正確的詞匯的步驟，具體包 括步驟：
[0022] 按照單字拼音比較方式，將所述待判定字符串與所述對比詞匯組中標(biāo)準(zhǔn)詞匯進(jìn)行 拼音比較，并計算得到所述對比詞匯組中每個標(biāo)準(zhǔn)詞匯與所述待判定字符串的拼音相似 度；
[0023] 計算并比較所述對比詞匯組中每個標(biāo)準(zhǔn)詞匯與所述待判定字符串之間的字形相 似度與拼音相似度之和，并根據(jù)比較結(jié)果選擇字形相似度與拼音相似度之和最高的標(biāo)準(zhǔn)詞 匯為正確的詞匯；
[0024] 其中，拼音相似度的計算方式為：拼音相似度=相同位置的相同拼音字母數(shù)/標(biāo)準(zhǔn) 詞匯中各個字符的拼音字母總數(shù)。
[0025] 更進(jìn)一步地，所述標(biāo)準(zhǔn)詞庫具體包括位置信息數(shù)據(jù)庫和拼音信息數(shù)據(jù)庫，所述位 置信息數(shù)據(jù)庫采用單字拆分方式存儲的標(biāo)準(zhǔn)詞匯，及該標(biāo)準(zhǔn)詞匯中各個字符對應(yīng)的位置； 所述拼音信息數(shù)據(jù)庫存儲有對應(yīng)于所述位置信息數(shù)據(jù)庫中的標(biāo)準(zhǔn)詞匯中每個字符的拼音， 且每個字符的拼音與其位置一一對應(yīng)。
[0026] 相應(yīng)地，本發(fā)明還提供了一種應(yīng)用于搜索中的中文詞匯糾錯裝置，其包括：
[0027] 標(biāo)準(zhǔn)詞庫創(chuàng)建模塊，用于預(yù)先創(chuàng)建標(biāo)準(zhǔn)詞庫，該標(biāo)準(zhǔn)詞庫包括多個標(biāo)準(zhǔn)詞匯，以及 各個標(biāo)準(zhǔn)詞匯中每個字符的位置信息和拼音信息；
[0028] 獲取模塊，用于獲取用戶輸入的待判定字符串，得到所述待判定字符串中各個字 符的位置信息和拼音信息；
[0029]糾錯模塊，用于根據(jù)所述標(biāo)準(zhǔn)詞匯和所述待判定字符串中每個字符的位置信息和 拼音信息，將所述待判定字符串和所述標(biāo)準(zhǔn)詞匯中每個字符的位置信息和拼音信息進(jìn)行比 較，并根據(jù)比較結(jié)果從所述標(biāo)準(zhǔn)詞庫中選擇正確的詞匯。
[0030] 進(jìn)一步地，所述糾錯模塊具體包括：
[0031] 字形比較子模塊，用于根據(jù)所述待判定字符串和所述標(biāo)準(zhǔn)詞匯的每個字符的位置 信息，將所述獲取模塊所獲取的待判定字符串與所述標(biāo)準(zhǔn)詞庫中的標(biāo)準(zhǔn)詞匯進(jìn)行字形比 較，根據(jù)比較結(jié)果從所述標(biāo)準(zhǔn)詞庫中選擇出對比詞匯組；
[0032] 拼音比較子模塊，用于根據(jù)所述對比詞匯組中各個標(biāo)準(zhǔn)詞匯的每個字符的拼音信 息，將所述待判定字符串與所述對比詞匯組中的標(biāo)準(zhǔn)詞匯進(jìn)行拼音比較，并根據(jù)字形比較 結(jié)果和拼音比較結(jié)果從所述對比詞匯組中選擇出正確的詞匯。
[0033] 更進(jìn)一步地，所述字形比較子模塊包括：
[0034] 字符比較單元，用于根據(jù)所述待判定字符串的字符總數(shù)，在所述標(biāo)準(zhǔn)詞庫中選擇 出字符總數(shù)相同的待選定標(biāo)準(zhǔn)詞匯組；
[0035] 對比詞匯選定單元，用于將所述待判定字符串與所述待選定標(biāo)準(zhǔn)詞匯組中的每個 標(biāo)準(zhǔn)詞匯進(jìn)行字形對比較，并根據(jù)比較結(jié)果從所述待選定標(biāo)準(zhǔn)詞匯組中選擇出對比詞匯 組。
[0036] 更進(jìn)一步地，所述對比詞匯選定單元具體包括：
[0037] 字形比較子單元，用于根據(jù)所述待判定字符串中每個字符的位置，將所述待判定 字符串與所述標(biāo)準(zhǔn)詞庫中每個詞匯進(jìn)行字形比較；
[0038] 字形相似度計算子單元，用于根據(jù)所述字形比較單元的比較結(jié)果，計算得到所述 標(biāo)準(zhǔn)詞庫中每個標(biāo)準(zhǔn)詞匯與所述待判定字符串的字形相似度，具體的計算方式為：所述字 形相似度的計算方式為：字形相似度=相同位置相同的字符數(shù)/標(biāo)準(zhǔn)詞匯總字符數(shù)；
[0039] 相似度比較子單元，用于比較所述相似度計算單元計算得到的各個標(biāo)準(zhǔn)詞匯與所 述待判定字符串的字形相似度，并將比較得到字形相似度最高的標(biāo)準(zhǔn)詞匯作為對比詞匯 組；和/或，
[0040] 所述拼音比較子模塊具體包括：
[0041] 拼音比較單元，用于按照單字拼音比較方式，將所述待判定字符串與所述對比詞 匯組中標(biāo)準(zhǔn)詞匯進(jìn)行拼音比較；拼音相似度計算單元，用于根據(jù)所述拼音比較單元的比較 結(jié)果，計算所述對比詞匯組中每個標(biāo)準(zhǔn)詞匯與所述待判定字符串的拼音相似度，其中，該拼 音相似度計算方式為：拼音相似度=相同位置的相同拼音字母數(shù)/標(biāo)準(zhǔn)詞匯中各個字符的 拼音字母總數(shù)；
[0042] 判定單元，用于分別計算所述對比詞匯組中每個標(biāo)準(zhǔn)詞匯與待判定字符串之間的 字形相似度與拼音相似度之和，并比較各個標(biāo)準(zhǔn)詞匯與所述待判定字符串的字形相似度和 拼音相似度之和，并選擇字形相似度和拼音相似度之和最高的標(biāo)準(zhǔn)詞匯為正確的詞匯。
[0043] 更進(jìn)一步地，所述標(biāo)準(zhǔn)詞庫創(chuàng)建模塊具體包括：
[0044] 位置信息數(shù)據(jù)庫創(chuàng)建子模塊，用于采用單字拆分方式存儲多個標(biāo)準(zhǔn)詞匯，以及該 標(biāo)準(zhǔn)詞匯中每個字符對應(yīng)的位置，得到位置信息數(shù)據(jù)庫；
[0045] 拼音信息數(shù)據(jù)庫創(chuàng)建子模塊，用于存儲所述位置信息數(shù)據(jù)庫所存儲的標(biāo)準(zhǔn)詞匯中 每個字符的拼音，且每個字符的拼音與其位置一一對應(yīng)，得到拼音信息數(shù)據(jù)庫。
[0046] 實施本發(fā)明的有益效果：
[0047] 實施本發(fā)明的應(yīng)用于搜索中的中文詞匯糾錯方法及其裝置，通過預(yù)先建立標(biāo)準(zhǔn)詞 庫，而非采用錯詞庫的方式，從而不需要專業(yè)人員來進(jìn)行人工維護(hù)，降低了成本，同時，本發(fā) 明通過自動獲取待判定字符串，并將其與標(biāo)準(zhǔn)詞庫中的標(biāo)準(zhǔn)詞匯進(jìn)行比較，再根據(jù)比較結(jié) 果選擇正確的詞匯來進(jìn)行搜索，從而能夠保證在等同硬件條件的情況下，更加快速、準(zhǔn)確地 解決用戶輸入的錯詞，進(jìn)而給用戶快速和智能的網(wǎng)絡(luò)服務(wù)體驗。
【附圖說明】
[0048] 為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對本發(fā)明實施例描述中所需 要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例， 對本領(lǐng)