[发明专利]一种基于中文检索的逆向分词方法及装置

摘要

本发明提供一种基于中文检索的逆向分词方法及装置，涉及计算机网络中网页文字信息处理领域。本发明在机器词典库中建立专业类词库，首先根据词库中的专有名词的最大长度来确定MAX_Length的值，并通过逆向最大匹配算法结合的方式来构成逆向匹配算法，针对逆向的匹配过程中的分词歧义和匹配不全问题，对最大长度的匹配算法提出改进。通过由中央处理器、输入输出设备、寄存器、机器词典、窗口计数器、存储器组成的装置对中文字串S=C1C2C3C4…Cn进行分词，能够比较准确地切分中文字串而不丢失其语义，尤其在句子长度较长时分词结果比较准确，有利于提高查询的准确度，可应用于信息检索领域的自动文摘和自动分类系统。

主权项

一种基于中文检索的逆向分词方法，其特征是，通过由中央处理器、输入输出设备、寄存器、机器词典、窗口计数器、存储器组成的装置对中文字串S=C1C2C3C4…Cn进行分词，包括以下步骤：(1)中央处理器从输入输出设备读入中文字串S=C1C2C3C4…Cn，放入寄存器中,如果n的值小于等于1，则分词匹配结束，分词结果保存在存储器中，直接转到步骤（7）；当n＞1时，转到步骤（2）；(2) 中央处理器从机器词典中查找最大长度匹配词的值M=MAX_Length，窗口计数器的起始位置为待匹配句子的最后一个字，记为n‑P，其中P=0；(3) 若n‑P小于0，则匹配结束，直接转到步骤（7），当P大于等于M且M大于等于1时，则从n‑P的位置开始向前截取长度为M的子串进行匹配，若匹配不成功则转到步骤（4）；若匹配成功则转到步骤（5）；当P小于M且M大于等于1时转到步骤（6）;当M小于1时转到步骤（7）;(4) p=p+1，转到步骤（3）;(5)将匹配成功的分词取出，存入存储器，P=P+M，转到步骤（3）；(6) M值减1，P=0，转到步骤（3）；(7)将保存在存储器中的分词结果通过输入输出设备输出。