[发明专利]字符串处理方法和装置

权利要求书

1.一种字符串处理方法，其特征在于，所述方法包括：

获取用户通过输入法输入的第一字符串；

通过所述输入法的纠错模型，计算M个候选字符串的字符串得分，所述M个候选字符串包括：所述第一字符串、对所述第一字符串进行纠错得到的(M-1)个第二字符串；

输出M个候选词，所述M个候选词为与所述M个候选字符串对应的候选词；

其中，所述纠错模型包括混淆矩阵和用户权重矩阵，所述用户权重矩阵根据用户的历史输入行为确定。

2.根据权利要求1所述的方法，其特征在于，所述获取用户通过输入法输入的第一字符串之前，所述方法还包括：

收集用户的N条历史纠错数据，得到纠错数据集，所述N条历史纠错数据中的每条历史纠错数据均包括纠错类型和纠错内容，N为正整数；

根据所述纠错数据集，更新所述用户权重矩阵中的每个矩阵元素的值，一个矩阵元素的值为从第一状态修改为第二状态的概率，所述第一状态为字符串修改前的状态，所述第二状态为字符串修改后的状态；

采用更新后的所述用户权重矩阵，训练所述纠错模型中的第一系数和第二系数；

其中，所述第一系数为所述混淆矩阵在所述纠错模型中对应的权重，所述第二系数为所述用户权重矩阵在所述纠错模型中对应的权重。

3.根据权利要求2所述的方法，其特征在于，所述收集用户的N条历史纠错数据之前，包括：

记录用户的N条历史纠错日志，每条历史纠错日志包括：纠错前字符串、纠错后字符串和用户选择的候选词；

对齐每条历史纠错日志中的纠错前字符串与纠错后字符串，确定所述N条历史纠错日志对应的纠错类型和纠错内容；

根据所述每条历史纠错日志对应的纠错类型和纠错内容，生成N条纠错数据。

4.根据权利要求1所述的方法，其特征在于，所述第一字符串的字符串得分为：所述第一字符串中的每个字符的不纠错概率的对数和与第一系数的乘积；

一个第二字符串的字符串得分为：第二字符串中的每个字符的不纠错概率的对数和与第一系数的乘积，与纠错内容的影响系数之和，所述纠错内容为第二字符串中相对所述第一字符串修正的内容；

其中，所述第一系数为所述混淆矩阵在所述纠错模型中对应的权重。

5.根据权利要求4所述的方法，其特征在于，所述纠错内容的影响系数为：第一乘积与第二乘积之和；所述第一乘积为所述纠错内容对应的纠错概率基于所述混淆矩阵的对数与第一系数的乘积，所述第二乘积为所述纠错内容对应的纠错概率基于所述用户权重矩阵的对数与第二系数的乘积；

其中，所述第二系数为所述用户权重矩阵在所述纠错模型中对应的权重。

6.一种字符串处理装置，其特征在于，所述字符串处理装置包括获取模块、计算模块和输出模块；

所述获取模块，用于获取用户通过输入法输入的第一字符串；

所述计算模块，用于通过所述输入法的纠错模型，计算M个候选字符串的字符串得分，所述M个候选字符串包括：所述第一字符串、对所述第一字符串进行纠错得到的(M-1)个第二字符串；

所述输出模块，用于输出M个候选词，所述M个候选词为与所述M个候选字符串对应的候选词；

其中，所述纠错模型包括混淆矩阵和用户权重矩阵，所述用户权重矩阵根据用户的历史输入行为确定。

7.根据权利要求6所述的装置，其特征在于，所述字符串处理装置还包括收集模块、更新模块和训练模块；

所述收集模块，用于收集用户的N条历史纠错数据，得到纠错数据集，所述N条历史纠错数据中的每条历史纠错数据均包括纠错类型和纠错内容，N为正整数；

所述更新模块，用于根据所述纠错数据集，更新所述用户权重矩阵中的每个矩阵元素的值，一个矩阵元素的值为从第一状态修改为第二状态的概率，所述第一状态为字符串修改前的状态，所述第二状态为字符串修改后的状态；

所述训练模块，用于采用更新后的所述用户权重矩阵，训练所述纠错模型中的第一系数和第二系数；

其中，所述第一系数为所述混淆矩阵在所述纠错模型中对应的权重，所述第二系数为所述用户权重矩阵在所述纠错模型中对应的权重。