[发明专利]一种中文分词网店商品搜索系统的设计

说明书

本系统是一个对网店商品的原始数据进行加工处理，集成一个存储所有商品信息的词条字典的系统，本系统通过结合全切分算法，以此实现对输入关键词的完全切分，并通过和词条字典的匹配得到所有候选的词条组合，使中文分词网店商品搜索系统完美化、自动化，减少了用户在搜索过程中不必要的麻烦。

技术领域

一种中文分词网店商品搜索系统的设计，其技术领域涉及计算机技术、互联网技术和电子商务的应用。

背景技术

随着电子商务的急速发展，网店的在线商品的数量、种类急剧的增加，人们的网购过程往往在无休止的搜索和寻找商品的过程中度过，既浪费了时间，又损失了精力，商品搜索系统越来越重要，如何实现快速、精确的搜索，“分词”是其中最为关键的要素，本系统构建了一种中文分词的存储商品信息的词条字典，可以快速、精准的帮助用户搜索到商品。

发明内容

系统的功能模块设计

系统的功能模块设计可以分为词表初始化模块、全切分模块、Filter模块、权值计算模块；

词表初始化模块，该模块是系统功能模块最重要的模块，它又可以分为4部分。

1. 网店商品的类目管理，电子商务网站的商品种类十分巨大，为了方便管理，通常将类目系分为3个层次，类目、商品分类、属性，所有类目采用具有树形关系的存储结构，简称 CPV 树，CPV 树可通过某些自动化算法生成，也可基于人工方法生成。

2. 词条数据结构，网店中的 ＣＰＶ 树以文本形式存储，其主要信息包含节点ＩＤ、节点类型、节点级别、父节点ＩＤ、子节点ＩＤ、类目ＩＤ、类目名称、属性ＩＤ、属性名称、属性值ＩＤ、属性值名称、类目属性级别、状态标记串等。

3. ＣＰＶ 树节点数据结构，因为系统在成功匹配后还会存在一些留有歧义的词条，所以需要一个数据结构来保存所有ＣＰＶ 树的所有节点信息。

4. 词表初始化，词表的构造是本文分词算法的前提，它可以分为两个过程，首先，读入含冗余信息的 ＣＰＶ 树信息，然后，对 ＣＰＶ 树信息进行精简处理，将其转换成一个个词条。

全切分模块，该模块首先接收用户输入字符串，然后选择切分点切分字符串，再进行词典匹配，如果匹配成功，保留切分结果，如果匹配不成功，则不保留切分结果，继续进行下一次切分，直至完成切分成功。

Filter模块，对用户输入的字符串进行切分，并在词条词典中匹配会得到若干类目词条和属性词条，将这些词条相互组合后，会有一些歧义和不合理的组合，需要将其排除，该模块就是为了过滤那些完全不合理的组合，以提高分词系统的准确率的设计的。

权值计算模块，当词条组合经过过滤，已经大大提高了搜索结果的准确性，但过滤后的词条数目较多，排列混乱，还是不利于用户的直接应用，因此，为了进一步优化分词结果，选出最佳的词条组合，需要一个权重计算的方法，其主要信息包括三个方面，分出词的匹配度、分词中字的匹配度以及词条权重。