[发明专利]一种中文相似性匹配方法有效
| 申请号： | 201110053729.1 | 申请日： | 2011-03-07 |
| 公开（公告）号： | CN102122298A | 公开（公告）日： | 2011-07-13 |
| 发明（设计）人： | 李国良;黄维篁;冯建华 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京润泽恒知识产权代理有限公司 11319 | 代理人： | 苏培华 |
| 地址： | 100084*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 中文 相似性 匹配 方法 | ||
1.一种中文相似性匹配方法，其特征在于，所述方法包括：
获取两个待比较的字符串A和B；
计算两个字符串A和B在编辑时的相似度；
获取两个字符串A和B的发音相似度；
获取两个字符串A和B的字形相似度；
对照预先建立的汉字词频统计表Table3和汉字错误信息统计表Table4统计两个字符串A和B的词频和错误信息；
根据统计结果确定两个字符串A和B编辑时的相似度、发音相似度以及字形相似度的权值，计算获取到两个待比较的中文字符串A和B的匹配度。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
建立汉字到拼音的对照表Table1；
建立汉字到五笔的对照表Table2；
建立汉字词频统计表Table3；
建立汉字错误信息统计表Table4。
3.根据权利要求2所述的方法，其特征在于，当所获取的两个待比较的字符串A和B为汉字字符串时，所述方法还包括：
对照对照表Table1将字符串转化为拼音字符串。
4.根据权利要求1所述的方法，其特征在于，所述计算两个字符串A和B在编辑时的相似度具体包括以下子步骤：
计算两个字符串A和B的编辑距离相似度
根据正确键盘指法，计算两个字符串A和B的键盘分布相似度；
对两个字符串A和B的编辑距离相似度和键盘分布相似度加权求和，获取到两个字符串A和B在编辑时的相似度。
5.根据权利要求4所述的方法，其特征在于，所述获取两个字符串A和B的发音相似度具体包括以下子步骤：
计算两个字符串A和B的声母相似度；
计算两个字符串A和B的韵母相似度；
对两个字符串A和B的声母相似度和韵母相似度加权求和，获取到两个字符串A和B的发音相似度。
6.根据权利要求5所述的方法，其特征在于，所述方法在对两个字符串A和B的声母相似度和韵母相似度加权求和后，还包括：
计算两个字符串A和B的模糊音相似度；
将计算的两个字符串A和B的模糊音相似度，与对两个字符串A和B的声母相似度和韵母相似度加权求和的值进行加权求和，获取到两个字符串A和B的发音相似度。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201110053729.1/1.html，转载请声明来源钻瓜专利网。
