[发明专利]字频分级统计方法及系统

摘要

本发明涉及计算机信息处理技术领域，公开了一种字频分级统计方法及系统。该方法包括提取每份原始文献的属性信息；根据所述属性信息对所述原始文献进行分类，并建立不同类别的文档属性表；逐一对各类别的原始文献进行数字化，生成数字化文档；根据文字的属性信息进行以所述数字化文档为单位的初级字频统计和字数统计，并将统计结果保存到与所述文档属性表与所述数字化文档相应的电子目录下；按每篇文档的字频统计记录为基础统计单位，进行文字在各种统计范围内的逐级合并式字频统计。利用本发明实施例提供的字频分级统计方法及系统，可以大大提高统计速度和效率以及准确度。

主权项

一种字频分级统计方法，其特征在于，包括：提取每份原始文献的属性信息，所述属性信息包括文件信息和内容信息，其中，所述文件信息的特征至少包括文件时间信息、文件名，所述内容信息的特征至少包括类别信息、分类号、作者、朝代信息、字型信息、出土信息、出版信息、样本名称；根据所述属性信息对所述原始文献进行分类，并建立不同类别的文档属性表，所述文档属性表至少包括第一、二、三级文档类别信息，所述第一级文档类别信息至少包括古代汉字、现代汉字，所述第二级文档类别信息至少包括金文、小篆、楷书、隶书、草书，所述第三级文档类别信息至少包括报类、碑刻、期刊；逐一对各类别的原始文献进行数字化，生成数字化文档；根据文字的属性信息进行以所述数字化文档为单位的初级字频统计和字数统计，并将统计结果保存到与所述文档属性表与所述数字化文档相应的电子目录下，所述文字的属性信息包括以下任意一项或多项：所在文献的位置坐标、字型结构、笔顺、笔画、部首；按每篇文档的字频统计记录为基础统计单位，进行文字在各种统计范围内的逐级合并式字频统计。