[发明专利]一种海量音频数据中的字符串快速模糊匹配算法

摘要

本发明公开了一种字符串的快速模糊匹配算法。本发明首先对数据库中的文本进行数据的预处理，从而获得统计模型，并通过Hash建立索引。输入文本是一个较短的字符串，本发明遍历其中所有汉字，激活有限字符全集中对应汉字的位置。将有限字符全集的激活状态映射到每一个标签上，从而达到过滤标签的目的。对过滤出来的少量标签进行与文本的匹配，用DTW算法进行近似字符串匹配。根据匹配近似度结果进行打分，并排序，返回搜索到的结果。本发明通过高效的标签过滤方法，大幅度地提升了字符串匹配算法的计算效率；同时在对输入文本进行匹配的过程中，达到模糊匹配的效果，对于模糊语言也具有很好的匹配性能。

主权项

1.一种字符串的快速模糊匹配算法，其特征在于，所述字符串的快速模糊匹配算法包括以下步骤：(1‑1)确定需要匹配的M个文本，通过自然语言处理算法提取文本中的关键词标签，关键词标签序号为i，并将标签存入数据库中以供后续的字符串匹配查找，关键词标签记为Keyword(m，i)，文本编号m＝1，2，3，...，M；(1‑2)对数据库中存储的数据进行训练学习，获得字符到标签字符串的映射关系D1，标签字符串到文本的映射关系D2，文本到标签数量的映射关系D3，并存入字典中；(1‑3)输入长度为L个字符的搜索文本X，描述想要查找的数据库中的文本，从输入的搜索文本中提取字符集合X(l)，字符序号l＝1，2，3，...，L；(1‑4)遍历X(l)，通过字符到标签字符串的映射关系D1从标签关键词集合Keyword(m，i)，m＝1，2，3，...，M，中过滤出相关的候选标签关键词集合candidate(m，i)；(1‑5)对候选标签关键词集合candidate(m，i)采用滑动窗口法，与输入文本X通过字符串模糊匹配算法进行匹配，对于输入匹配得分满足要求的标签存入命中标签集合HitLables(m，i)；(1‑6)找出输入文本X中的否定词集合N，遍历命中标签集合HitLables(m，i)中的标签，若含有预先设定的否定词，则删除命中标签集合HitLables(m，i)中对应的标签；(1‑7)遍历命中标签集合HitLables(m，i)中的标签，通过标签字符串到文本的映射关系D2找到匹配的文本集合F；(1‑8)统计文本集合F中每个文本关键词字符被命中的总的次数，以此为依据给匹配文本集合F中的文本序列打分排序，并返回结果。