[發明專利]一種輔助詞庫的生成方法和裝置

有效

• 申請號: 200710304280.5
• 申請日: 2007-12-26
• 公開（公告）號: CN101470732A
• 公開（公告）日: 2009-07-01
• 發明（設計）人: 張軍
• 申請（專利權）人: 北京搜狗科技發展有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京集佳知識產權代理有限公司
• 代理人: 蘇培華;逯長明

1.一種輔助詞庫的生成方法，其特征在于，包括：

獲取一特定用戶群體的歷史輸入字詞及其詞頻；

分析所述歷史輸入字詞及其詞頻，獲取符合預置條件的、屬于該特定用戶 群體的特色字詞及其詞頻；

生成針對該特定用戶群體的輔助詞庫。

2.如權利要求1所述的方法，其特征在于，所述歷史輸入字詞及其詞頻 的獲取步驟包括：

通過匯集一特定用戶群體的個人詞庫而獲得該特定用戶群體的歷史輸入 字詞及其詞頻。

3.如權利要求1或2所述的方法，其特征在于，所述歷史輸入字詞及其 詞頻的獲取步驟包括：

通過針對該特定用戶群體的文字素材進行分詞統計而獲得；

或者，通過該特定用戶群體的用戶手動添加相應的字詞及其詞頻而獲得。

4.如權利要求2所述的方法，其特征在于，通過以下方式匯集一特定用 戶群體的個人詞庫：

收集多個輸入法客戶端用戶的個人詞庫，并記錄用戶與其個人詞庫的對應 關系；所述個人詞庫包括字詞及詞頻；

針對各用戶的個人詞庫，計算得到該用戶的特征參數；

計算各用戶特征參數之間的相似度，完成對各個用戶的聚類，進而獲取所 需的個人詞庫。

5.如權利要求2所述的方法，其特征在于，通過以下方式匯集一特定用 戶群體的個人詞庫：

收集多個輸入法客戶端用戶的個人詞庫；所述個人詞庫包括字詞及詞頻；

針對各用戶的個人詞庫，計算得到該個人詞庫的特征參數；

計算各詞庫特征參數之間的相似度，完成對各個詞庫的聚類，進而獲取所 需的個人詞庫。

6.如權利要求1或2所述的方法，其特征在于，所述預置條件包括：

目標字詞在該特定用戶群體的歷史語料中的詞頻高于預設閾值，但是在通 用詞庫中的詞頻小于預設閾值。

7.如權利要求1所述的方法，其特征在于，還包括：

接受用戶的下載請求，向用戶發布相應特定用戶群體的輔助詞庫；

或者，當用戶登錄一網絡空間時，該網絡空間向用戶發布所述生成的輔助 詞庫；所述網絡空間指向一特定用戶群體。

8.如權利要求4或5所述的方法，其特征在于，還包括：

向通過個人詞庫聚類得到的特定用戶群體發布所述生成的針對該特定用 戶群體的輔助詞庫。

9.一種輔助詞庫的生成裝置，其特征在于，包括：

歷史信息獲取模塊，用于獲取一特定用戶群體的歷史輸入字詞及其詞頻；

分析模塊，用于分析所述歷史輸入字詞及其詞頻，獲取符合預置條件的、 屬于該特定用戶群體的特色字詞及其詞頻；

詞庫生成模塊，用于生成針對該特定用戶群體的輔助詞庫。

10.如權利要求9所述的裝置，其特征在于，

所述歷史信息獲取模塊通過匯集一特定用戶群體的個人詞庫而獲得該特 定用戶群體的歷史輸入字詞及其詞頻。

11.如權利要求9或10所述的裝置，其特征在于，

所述歷史信息獲取模塊通過針對該特定用戶群體的文字素材進行分詞統 計而獲得；

或者，所述歷史信息獲取模塊通過該特定用戶群體的用戶手動添加相應的 字詞及其詞頻而獲得。

12.如權利要求10所述的裝置，其特征在于，所述歷史信息獲取模塊進 一步包括：

個人詞庫收集子模塊，用于收集多個輸入法客戶端用戶的個人詞庫；所述 個人詞庫包括字詞及詞頻；

特征參數計算子模塊，用于針對各用戶的個人詞庫，計算得到該個人詞庫 的特征參數；

群體聚類子模塊，用于計算各詞庫特征參數之間的相似度，完成對各個詞 庫的聚類，進而獲取所需的個人詞庫。