[發(fā)明專利]一種輔助詞庫(kù)的生成方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 200710304280.5
• 申請(qǐng)日: 2007-12-26
• 公開（公告）號(hào): CN101470732A
• 公開（公告）日: 2009-07-01
• 發(fā)明（設(shè)計(jì)）人: 張軍
• 申請(qǐng)（專利權(quán)）人: 北京搜狗科技發(fā)展有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 蘇培華;逯長(zhǎng)明

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)字符信息的輸入領(lǐng)域，特別是涉及一種用于字符輸入的輔助詞庫(kù)的生成方法和裝置。?

背景技術(shù)

在現(xiàn)代的計(jì)算機(jī)應(yīng)用中，漢字輸入法已經(jīng)成為中文用戶與計(jì)算機(jī)交互的重要手段。漢字輸入法技術(shù)需要將用戶的一連串鍵盤按鍵翻譯成用戶最可能想要的漢字串。大部分漢字輸入方法的規(guī)則下，按鍵串到漢字串并不是一一對(duì)應(yīng)的，特別是被廣泛使用的拼音輸入法，相同的按鍵串往往對(duì)應(yīng)著多種可能的詞匯、短語或者句子。要提高用戶的輸入效率，漢字輸入法就需要帶有一個(gè)“詞庫(kù)”，詞庫(kù)中含有用戶最可能會(huì)使用的漢字、詞語和短句。?

但是，目前輸入法的詞庫(kù)一般只能夠覆蓋人們使用的詞匯的一部分，通常主要包括一些人們普遍的常用詞匯，還有一部分詞匯輸入法詞庫(kù)是不可能全部包括進(jìn)來的。因?yàn)楝F(xiàn)有的輸入法詞庫(kù)都是通用的，針對(duì)的是所有用戶，如果把所有用戶用的詞匯都加入進(jìn)來，那么輸入法的詞庫(kù)容量將在數(shù)百萬的量級(jí)。詞庫(kù)過大，同音字過多，候選項(xiàng)增加，不需要使用這些詞的用戶會(huì)受到干擾，并且，這樣一個(gè)超大的詞庫(kù)勢(shì)必大幅占用硬盤、CPU、內(nèi)存等計(jì)算設(shè)備資源，對(duì)個(gè)人電腦來說是不能接受的。?

其次，由于漢語的靈活性，各種詞語豐富而多樣，每個(gè)人都有自己偏好使用的詞匯集合，即使同樣一個(gè)詞匯對(duì)于不同的人而言，其使用詞頻都可能是不同的。?

例如，每個(gè)人在使用輸入法時(shí)除了輸入許多常用詞匯之外(例如“現(xiàn)在”、“時(shí)間”、“多少”等)，還會(huì)輸入一小部分人用的詞匯，例如：一些游戲名詞“艾澤拉斯”“德魯伊”，電影名稱“云水謠”等等。這些詞匯對(duì)非常小的群體來說會(huì)經(jīng)常輸入，例如：魔獸世界玩家，電影評(píng)論家等等；但是這些詞匯在總體用戶中的使用比例比較低，為了保證詞庫(kù)的通用性，現(xiàn)有模式下面向所有用戶的輸入法詞庫(kù)是不可能把這些詞匯全部包括進(jìn)去的。?

上述現(xiàn)有技術(shù)的缺陷，導(dǎo)致用戶輸入上述這些小群體的常用詞匯時(shí)的首選詞準(zhǔn)確率非常低，嚴(yán)重影響用戶的使用體驗(yàn)以及其思想的表達(dá)。?

總之，需要本領(lǐng)域技術(shù)人員迫切解決的一個(gè)技術(shù)問題就是：如何能夠創(chuàng)造性的提出一種獲取某個(gè)用戶群體常用的個(gè)性化詞匯，并進(jìn)一步能夠根據(jù)使用者的具體情況來提供個(gè)性化的輔助詞庫(kù)，以提高用戶的輸入效率。?

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種輔助詞庫(kù)的生成方法和裝置，能夠簡(jiǎn)單方便地獲取某個(gè)用戶群體常用的個(gè)性化詞匯，當(dāng)用戶采用包括有相應(yīng)群體個(gè)性化詞匯的輔助詞庫(kù)進(jìn)行輸入時(shí)，可以大大提高其輸入相關(guān)字詞的效率。?

為了解決上述問題，本發(fā)明公開了一種輔助詞庫(kù)的生成方法，可以包括：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(yù)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(duì)該特定用戶群體的輔助詞庫(kù)。?

優(yōu)選的，所述歷史輸入字詞及其詞頻的獲取步驟可以包括：通過匯集一特定用戶群體的個(gè)人詞庫(kù)而獲得該特定用戶群體的歷史輸入字詞及其詞頻。?

優(yōu)選的，所述歷史輸入字詞及其詞頻的獲取步驟可以包括：通過針對(duì)該特定用戶群體的文字素材進(jìn)行分詞統(tǒng)計(jì)而獲得；或者，通過該特定用戶群體的用戶手動(dòng)添加相應(yīng)的字詞及其詞頻而獲得。?

優(yōu)選的，通過以下方式匯集一特定用戶群體的個(gè)人詞庫(kù)：收集多個(gè)輸入法客戶端用戶的個(gè)人詞庫(kù)，并記錄用戶與其個(gè)人詞庫(kù)的對(duì)應(yīng)關(guān)系；所述個(gè)人詞庫(kù)包括字詞及詞頻；針對(duì)各用戶的個(gè)人詞庫(kù)，計(jì)算得到該用戶的特征參數(shù)；計(jì)算各用戶特征參數(shù)之間的相似度，完成對(duì)各個(gè)用戶的聚類，進(jìn)而獲取所需的個(gè)人詞庫(kù)。?

優(yōu)選的，也可以通過以下方式匯集一特定用戶群體的個(gè)人詞庫(kù)：收集多個(gè)輸入法客戶端用戶的個(gè)人詞庫(kù)；所述個(gè)人詞庫(kù)包括字詞及詞頻；針對(duì)各用戶的個(gè)人詞庫(kù)，計(jì)算得到該個(gè)人詞庫(kù)的特征參數(shù)；計(jì)算各詞庫(kù)特征參數(shù)之間的相似度，完成對(duì)各個(gè)詞庫(kù)的聚類，進(jìn)而獲取所需的個(gè)人詞庫(kù)。?

優(yōu)選的，所述預(yù)置條件包括：目標(biāo)字詞在該特定用戶群體的歷史語料中的詞頻高于預(yù)設(shè)閾值，但是在通用詞庫(kù)中的詞頻小于預(yù)設(shè)閾值。?

優(yōu)選的，所述的方法還可以包括：接受用戶的下載請(qǐng)求，向用戶發(fā)布相應(yīng)特定用戶群體的輔助詞庫(kù)；或者，當(dāng)用戶登錄一網(wǎng)絡(luò)空間時(shí)，該網(wǎng)絡(luò)空間向用戶發(fā)布所述生成的輔助詞庫(kù)；所述網(wǎng)絡(luò)空間指向一特定用戶群體。?

優(yōu)選的，所述的方法還可以包括：向通過個(gè)人詞庫(kù)聚類得到的特定用戶群體發(fā)布所述生成的針對(duì)該特定用戶群體的輔助詞庫(kù)。?

依據(jù)本發(fā)明的另一優(yōu)選實(shí)施例，還公開了一種輔助詞庫(kù)的生成裝置，可以包括：?

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；?