[发明专利]混淆汉字的生成方法、终端设备及计算机可读存储介质

权利要求书

1.一种混淆汉字的生成方法，其特征在于，包括：

从预设语料库中提取出汉字集合，所述汉字集合中包括多个汉字；

生成所述汉字集合中每个汉字的读音特征和结构特征；

根据所述读音特征确定目标字在所述汉字集合中的音近字，所述目标字为所述汉字集合中的任意一个汉字；

根据所述结构特征确定所述目标字在所述汉字集合中的形近字；

根据所述目标字在所述汉字集合中的所述音近字和所述形近字生成所述目标字的混淆字。

2.如权利要求1所述的混淆汉字的生成方法，其特征在于，所述从预设语料库中提取出汉字集合，包括：

统计所述预设语料库中每个汉字的出现频率；

按照所述出现频率从高到低的顺序对所述预设语料库中的汉字进行排序，得到第一汉字序列；

将所述第一汉字序列中前N个汉字生成所述汉字集合，其中，所述N为大于1大正整数。

3.如权利要求1所述的混淆汉字的生成方法，其特征在于，所述生成所述汉字集合中每个汉字的读音特征和结构特征，包括：

对于所述汉字集合中的任意一个汉字，根据所述汉字每种读音的声调和音节生成所述汉字每种读音的读音字符串；

将所述汉字每种读音的读音字符串确定为所述汉字的所述读音特征；

按照预设的汉字结构规则，将所述汉字拆分为多个偏旁部首；

将所述偏旁部首生成结构树，其中，每个所述偏旁部首为所述结构树的一个节点；

将所述结构树确定为所述汉字的所述结构特征。

4.如权利要求3所述的混淆汉字的生成方法，其特征在于，所述根据所述读音特征确定目标字在所述汉字集合中的音近字，包括：

根据所述读音特征计算所述目标字与每个非目标字之间的第一编辑距离，所述非目标字为所述汉字集合中除所述目标字外的任意一个汉字；

根据所述第一编辑距离计算所述目标字与每个所述非目标字之间的相似度；

根据所述相似度从所述非目标字中确定出所述目标字的所述音近字。

5.如权利要求4所述的混淆汉字的生成方法，其特征在于，所述根据所述读音特征计算所述目标字与每个非目标字之间的第一编辑距离，包括：

计算所述目标字的每个所述读音字符串与所述非目标字的每个所述读音字符串之间的所述第一编辑距离。

6.如权利要求5所述的混淆汉字的生成方法，其特征在于，所述根据所述第一编辑距离计算所述目标字与每个所述非目标字之间的相似度，包括：

计算每个所述第一编辑距离对应的最大字符长度，其中，所述最大字符长度为所述目标字的所述读音字符串的长度和所述非目标字的所述读音字符串的长度中的最大值；

根据所述最大字符长度计算每个所述第一编辑距离对应的读音距离比率；

将目标比率中的最大值确定为所述目标字与所述非目标字之间的所述相似度，其中，所述目标比率为所述目标字与所述非目标字之间的所述第一编辑距离对应的所述读音距离比率。

7.如权利要求3所述的混淆汉字的生成方法，其特征在于，所述根据所述结构特征确定所述目标字在所述汉字集合中的形近字，包括：

计算所述目标字的所述结构树和每个非目标字的所述结构树之间的第二编辑距离，其中，所述非目标字为所述汉字集合中除所述目标字外的任意一个汉字；

按照所述第二编辑距离从小到大的顺序对所述非目标字进行排序，得到第二汉字序列；

将所述第二汉字序列中的前M个汉字确定为所述目标字的所述形近字，其中，所述M为正整数。

8.如权利要求1所述的混淆汉字的生成方法，其特征在于，所述根据所述目标字在所述汉字集合中的所述音近字和所述形近字生成所述目标字的混淆字，包括：

对所述目标字在所述汉字集合中的所述音近字和所述形近字进行去重处理，得到去重处理后的汉字；

将所述去重处理后的汉字确定为所述目标字的混淆字。