[发明专利]形近字确定方法、电子设备和计算机可读存储介质

说明书

本发明实施例涉及自然语言处理技术领域，公开了一种形近字确定方法、电子设备和计算机可读存储介质。本发明中，上述形近字确定方法包括：获取第一字符和第二字符的笔画相似度；若所述笔画相似度大于预设相似度，则提取所述第一字符和所述第二字符的公共笔画序列；其中，所述公共笔画序列包括所述第一字符和所述第二字符中相同的若干个笔画，所述若干个笔画在所述第一字符和所述第二字符中均连续；分别获取所述公共笔画序列在所述第一字符中的第一相对位置和在所述第二字符中的第二相对位置；根据所述第一相对位置和所述第二相对位置，确定所述第一字符和所述第二字符是否为形近字，使得可以提高形近字判定结果的准确性。

技术领域

本发明实施例涉及自然语言处理技术领域，特别涉及一种形近字确定方法、电子设备和计算机可读存储介质。

背景技术

随着网络技术的发展，在许多场景中，需要进行形近字识别。例如，识别网络评论中的变体字、用户手写输入文字场景、图像中文字识别等。相关技术中，形近字的识别方法为：在字形输入法中，获取汉字集合中每个汉字的字形输入法编码；根据汉字的字形输入法编码，获取每个汉字与汉字集合中其他汉字之间的编码距离；根据编码距离判断每个汉字与汉字集合中其他汉字之间是否为形近字，获取形近字判定结果。

然而，发明人发现相关技术中至少存在如下问题：会把非形近字识别为形近字。例如“咑”的笔画编码是25112112，“国”的笔画编码是25112141，二者只有最后两位不同，满足阈值，会被识别为形近字，但实际上二者并不是形近字。类似的情况比较多，可见，相关技术中存在对形近字的判定结果不准确的问题。

发明内容

本发明实施方式的目的在于提供一种形近字确定方法、电子设备和计算机可读存储介质，使得可以提高形近字判定结果的准确性。

为解决上述技术问题，本发明的实施方式提供了一种形近字确定方法，包括以下步骤：获取第一字符和第二字符的笔画相似度；若所述笔画相似度大于预设相似度，则提取所述第一字符和所述第二字符的公共笔画序列；其中，所述公共笔画序列包括所述第一字符和所述第二字符中相同的若干个笔画，所述若干个笔画在所述第一字符和所述第二字符中均连续；分别获取所述公共笔画序列在所述第一字符中的第一相对位置和在所述第二字符中的第二相对位置；根据所述第一相对位置和所述第二相对位置，确定所述第一字符和所述第二字符是否为形近字。

本发明的实施方式还提供了一种形近字确定装置，包括：第一获取模块，用于获取第一字符和第二字符的笔画相似度；提取模块，用于若所述笔画相似度大于预设相似度，则提取所述第一字符和所述第二字符的公共笔画序列；其中，所述公共笔画序列包括所述第一字符和所述第二字符中相同的若干个笔画，所述若干个笔画在所述第一字符和所述第二字符中均连续；第二获取模块，用于分别获取所述公共笔画序列在所述第一字符中的第一相对位置和在所述第二字符中的第二相对位置；确定模块，用于根据所述第一相对位置和所述第二相对位置，确定所述第一字符和所述第二字符是否为形近字。

本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的形近字确定方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的形近字确定方法。