[發(fā)明專利]一種中文搜索引擎中查詢?cè)~的拼寫校正方法

有效

• 申請(qǐng)?zhí)枺?/td>: 200810224323.3
• 申請(qǐng)日: 2008-10-17
• 公開（公告）號(hào): CN101369285A
• 公開（公告）日: 2009-02-18
• 發(fā)明（設(shè)計(jì)）人: 周博;劉奕群;張敏;金奕江;馬少平
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司
• 代理人: 何文彬

技術(shù)領(lǐng)域

本發(fā)明涉及網(wǎng)絡(luò)信息處理領(lǐng)域，特別涉及一種中文搜索引擎中查詢?cè)~的拼寫校正方法。

背景技術(shù)

隨著網(wǎng)絡(luò)在全球的普及，用戶與搜索引擎進(jìn)行交互的方式主要是：用戶將所要尋找的信息轉(zhuǎn)換成幾個(gè)查詢?cè)~，再將這些查詢?cè)~輸入到搜索引擎中，由搜索引擎完成信息的檢索并提交給用戶。

目前，對(duì)于中文搜索引擎用戶來說，使用英文已經(jīng)成為越來越不可避免的趨勢(shì)。大量的軟件名、地名以及網(wǎng)絡(luò)中不斷出現(xiàn)的新興詞語很多都需要用英文表達(dá)。用英文輔助中文表達(dá)用戶的檢索需求逐漸成為中文搜索引擎用戶的一種習(xí)慣。然而，在這個(gè)過程中如果用戶向搜索引擎提交的查詢?cè)~含有拼寫錯(cuò)誤，搜索引擎就會(huì)按照錯(cuò)誤的查詢?cè)~進(jìn)行信息的檢索，最后的結(jié)果是搜索引擎檢索不到用戶實(shí)際需要的信息，或者根本檢索不到信息。據(jù)統(tǒng)計(jì)，輸入搜索引擎的查詢?cè)~中有10％-15％含有拼寫錯(cuò)誤。對(duì)于輸入中文搜索引擎的英文查詢?cè)~，拼寫錯(cuò)誤的比例要大于15％，這是由于中文搜索引擎用戶的母語一般為中文，英文作為非母語出錯(cuò)的可能性要比中文大很多。

另外在中文搜索引擎中，用戶輸入的英文查詢?cè)~不完全是英文單詞，其中相當(dāng)一部分是拼音串。出錯(cuò)的拼音串也會(huì)影響搜索引擎的檢索，導(dǎo)致搜索引擎檢索不到用戶實(shí)際需要的信息。

由于非母語的原因，中文搜索引擎用戶的英文輸入習(xí)慣與英文搜索引擎用戶的輸入習(xí)慣大為不同。許多對(duì)于英文搜索引擎來說正確的查詢?cè)~，對(duì)于中文搜索引擎用戶來說就是拼寫錯(cuò)誤。例如“goole”對(duì)于中文搜索引擎用戶來說應(yīng)該是查詢?cè)~“google”(谷歌)的錯(cuò)誤形式，而對(duì)于英文搜索引擎用戶來說“goole”卻是一個(gè)正確的查詢?cè)~，指的是英國(guó)的一個(gè)港口城市。另外，中文搜索引擎用戶的拼寫錯(cuò)誤較英文搜索引擎用戶也不盡相同，中文搜索引擎用戶的拼寫錯(cuò)誤的種類更多，形式更加復(fù)雜。

輸入中文搜索引擎的英文查詢?cè)~就種類來說可以分為：英文單詞與拼音串兩種。因此，拼寫錯(cuò)誤分為英文單詞錯(cuò)誤與拼音串錯(cuò)誤兩種。

對(duì)于中文搜索引擎用戶來說，英文單詞錯(cuò)誤除了包含一般英文搜索引擎用戶的輸入錯(cuò)誤(即知道如何拼寫但輸入錯(cuò)誤)之外，還包含了更多的因?yàn)檎J(rèn)知錯(cuò)誤引起的拼寫錯(cuò)誤(即不知道如何拼寫而引起的錯(cuò)誤)。

引起拼音串錯(cuò)誤的原因主要是模糊音與地方方言。表1中列出了一些比較常見的拼音串錯(cuò)誤。

表1：模糊音錯(cuò)別字分類

?

類別說明舉例平舌音/翹舌音拼音開始聲母：c～ch，s～sh，z～zh，(“入黨自愿書”，“入黨志愿書”)前鼻音/后鼻音拼音最末韻母：an～ang，en～eng，in～ing(”圣斗士新矢”，“圣斗士星矢”)