[發(fā)明專利]一種輸入過程中的中文術(shù)語自動糾錯(cuò)方法

無效

• 申請?zhí)枺?/td>: 200910023816.5
• 申請日: 2009-09-08
• 公開（公告）號: CN101639830A
• 公開（公告）日: 2010-02-03
• 發(fā)明（設(shè)計(jì)）人: 劉均;鄭慶華;沙莎;鄭成;周正
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G06F17/28
• 分類號: G06F17/28;G06F17/30;G06F3/023
• 代理公司: 西安通大專利代理有限責(zé)任公司
• 代理人: 陸萬壽

所屬領(lǐng)域?

本發(fā)明涉及計(jì)算機(jī)文本自動糾錯(cuò)的技術(shù)領(lǐng)域，特別是涉及一種用戶輸入過程中，中文術(shù)語的自動糾錯(cuò)技術(shù)。?

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)應(yīng)用的日趨廣泛，網(wǎng)絡(luò)學(xué)習(xí)已成為人們獲得和學(xué)習(xí)知識的主要手段之一，這一過程的完成需要用戶通過計(jì)算機(jī)輸入信息。對于中文用戶，一般來說，用戶輸入的是一字符串，該字符串經(jīng)過某種中文輸入法軟件的處理后轉(zhuǎn)換為一串漢字串。無論是用戶輸入還是中文輸入法軟件的處理都可能產(chǎn)生錯(cuò)誤，于是需要自動糾錯(cuò)的技術(shù)處理這些錯(cuò)誤。申請人經(jīng)過查新，檢索到三篇與本發(fā)明相關(guān)的屬于中文文本自動糾錯(cuò)領(lǐng)域的專利，它們分別是：?

1.用于對表意字符的輸入字符串進(jìn)行自動糾錯(cuò)的方法；?

2.一種生成糾錯(cuò)數(shù)據(jù)庫的方法、自動糾錯(cuò)的方法和系統(tǒng)；?

3.形成個(gè)性化糾錯(cuò)模型的方法及個(gè)性化糾錯(cuò)的輸入法系統(tǒng)。?

在上述專利1中，發(fā)明人提出了用于對表意字符的輸入字符串進(jìn)行自動糾錯(cuò)的方法，該套方法有以下特點(diǎn)：?

1)使用主題詞典對輸入字符串分段，確定不匹配的主題詞典子字符串即錯(cuò)誤子字符串；?

2)使用一般詞典對不匹配的主題詞典子字符串進(jìn)行分段，對每一段分別糾錯(cuò)。統(tǒng)計(jì)每種分段情況下糾錯(cuò)結(jié)果中漢字的個(gè)數(shù)，并以此計(jì)算總的編輯距離；?

3)定義實(shí)用成本概念，并以該指標(biāo)判斷優(yōu)選糾錯(cuò)結(jié)果。?

在專利2中，發(fā)明人提出了一種生成糾錯(cuò)數(shù)據(jù)庫的方法和裝置以及一種自動糾錯(cuò)的方法和系統(tǒng)，并實(shí)現(xiàn)了該系統(tǒng)。該發(fā)明通過記錄和收集包括有用戶輸入過程信息的日志，從中將用戶手動糾錯(cuò)的信息挖掘出來，生成糾錯(cuò)數(shù)據(jù)庫，以用于實(shí)現(xiàn)對更多用戶更準(zhǔn)確的自動糾錯(cuò)，還可以用于實(shí)現(xiàn)對該用戶的個(gè)性化自動糾錯(cuò)。?

在專利3中，發(fā)明人公開了一種形成個(gè)性化糾錯(cuò)模型的方法，此套方法過對當(dāng)前糾錯(cuò)模型進(jìn)行調(diào)整來得到符合用戶輸入習(xí)慣的個(gè)性化糾錯(cuò)模型，以用于實(shí)現(xiàn)對用戶的輸入序?列進(jìn)行更準(zhǔn)確的個(gè)性化自動糾錯(cuò)。另外，收集了多方面的信息，糾錯(cuò)范圍包括類似南方模糊音的認(rèn)知錯(cuò)誤，還包括非認(rèn)知錯(cuò)誤。由于綜合考慮了輸入設(shè)備布局、輸入設(shè)備質(zhì)量等因素，使得本發(fā)明可以適用于PC鍵盤、迷你鍵盤等不同的輸入設(shè)備。?

根據(jù)上述查新，現(xiàn)有技術(shù)與輸入過程中的中文術(shù)語糾錯(cuò)方法主要有以下幾方面的不同：?

1.現(xiàn)有專利研究面向?qū)ο鬄樽匀徽Z言構(gòu)成的文本輸入，而本方法針對中文術(shù)語的相關(guān)研究；?

2.現(xiàn)有專利對于判斷為正確的輸入不會做進(jìn)一步處理，而本方法則對正確的輸入進(jìn)行進(jìn)一步地補(bǔ)全處理，協(xié)助認(rèn)知水平有限的用戶對系統(tǒng)的使用；?

3.現(xiàn)有專利在對錯(cuò)誤進(jìn)行處理時(shí)，沒有利用用戶所使用輸入法軟件的工作特點(diǎn)，而是進(jìn)行以漢字為單位的糾錯(cuò)；本方法中結(jié)合了輸入法軟件的特點(diǎn)進(jìn)行糾錯(cuò)。?

發(fā)明內(nèi)容

根據(jù)上述現(xiàn)有技術(shù)存在的缺陷或不足，本發(fā)明提供了一種基于網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的中文術(shù)語自動糾錯(cuò)的方法。包括以下幾方面內(nèi)容：

1.補(bǔ)全與糾錯(cuò)相結(jié)合的機(jī)制；?

研究目的：根據(jù)用戶的輸入，對用戶進(jìn)行補(bǔ)全或糾錯(cuò)提示。?

研究背景：根據(jù)用戶輸入是否正確，對用戶的輸入進(jìn)行補(bǔ)全處理或糾錯(cuò)處理，以便對用戶進(jìn)行合理的提示，幫助用戶構(gòu)造正確的中文術(shù)語的輸入。?

本發(fā)明的解決策略：?

I.將用戶的輸入看作是一個(gè)“詞袋”，詞袋中的每一個(gè)元素稱為一個(gè)“詞”，也就是圖1中的“term”。這個(gè)term可能的形式有三種：漢字串、字母串或者字母漢字混合串。它是糾錯(cuò)的基本單位；?

I.采用Bloom濾波器的結(jié)構(gòu)快速判斷該Term是否是一個(gè)合法的術(shù)語，如果是，將該Term進(jìn)行術(shù)語補(bǔ)全；否則對其進(jìn)行術(shù)語糾錯(cuò)；?

II.術(shù)語補(bǔ)全：其主要作用是對正確的短術(shù)語進(jìn)行補(bǔ)全提示：光纖→單模光纖|多模光纖?

1)、應(yīng)用工具Pinyin4j得到Term中各個(gè)漢字的全拼及音調(diào)，并分別將全拼、音調(diào)依照Term中漢字的排列順序進(jìn)行排列組合，得到該Term的拼音串和音調(diào)串；?

2)、對轉(zhuǎn)換為的拼音串進(jìn)行匹配及查找，已得到術(shù)語補(bǔ)全的術(shù)語提示結(jié)果。?

III.術(shù)語糾錯(cuò)：其主要作用是對錯(cuò)誤的輸入進(jìn)行糾正已得到最接近用戶本意的合法術(shù)語提示項(xiàng)?

1)、還原出用戶原本的輸入，也就是還原出term進(jìn)入計(jì)算機(jī)時(shí)未經(jīng)輸入軟件處理前的可能字符組合；?

2)、對每一種可能的原始輸入組合進(jìn)行編輯，編輯的過程即為改正錯(cuò)誤的過程，編輯結(jié)果所構(gòu)成的集合應(yīng)包含用戶的本意輸入，或者說包含正確的輸入；?