[發(fā)明專利]一種實現(xiàn)高命中率的逐詞比對方法

有效

• 申請?zhí)枺?/td>: 201010570516.1
• 申請日: 2010-12-02
• 公開（公告）號: CN102012897A
• 公開（公告）日: 2011-04-13
• 發(fā)明（設(shè)計）人: 陳淮琰;巨雷;鄭建鋒;唐海波
• 申請（專利權(quán)）人: 無敵科技（西安）有限公司
• 主分類號: G06F17/28
• 分類號: G06F17/28
• 代理公司: 西安智邦專利商標(biāo)代理有限公司 61211
• 代理人: 商宇科

技術(shù)領(lǐng)域

本發(fā)明涉及一種中英逐詞比對方法，通過解決比對中的關(guān)鍵域問題，實現(xiàn)高命中率的逐詞比對。

背景技術(shù)

在日常英文學(xué)習(xí)過程中，經(jīng)常遇到中英比照的情況，如果能提供一種簡單的逐詞比對方法，當(dāng)然是非常愉快的事情。目前的采用中文對英文標(biāo)記后，存在由于中文分詞過粗引起的未命中，如中文中有分詞“我認(rèn)為”，但是其英文關(guān)系中無“I?think”。導(dǎo)致分詞有結(jié)果，但是無法標(biāo)記的情況。在我們常見的中英對照例句中，還經(jīng)常存在系動詞、冠詞或介詞等在對應(yīng)語言例句中無法找到相應(yīng)翻譯的無實際意義的單詞，而逐詞比對時，需要對中英做對應(yīng)標(biāo)記，這類詞由于無實際意義而導(dǎo)致無法加入標(biāo)記序列。在中英逐次比對過程中會出現(xiàn)一個中文對應(yīng)多個英文的情況，通常做法是按照先后順序進(jìn)行標(biāo)記，這樣會導(dǎo)致當(dāng)英文例句為倒裝句是，標(biāo)記位置錯誤的情況。在逐詞比對功能中，需要對中文以及對應(yīng)的英文同時進(jìn)行標(biāo)記，但是由于收集的數(shù)據(jù)大部分來自于辭典數(shù)據(jù)，因此很大程度上都是標(biāo)準(zhǔn)的解釋，而實際的中英例句中卻存在各種靈活應(yīng)用，導(dǎo)致經(jīng)常性的根據(jù)標(biāo)準(zhǔn)釋義無法找到對應(yīng)數(shù)據(jù)的情況。

發(fā)明內(nèi)容

本發(fā)明的技術(shù)解決方案是：本發(fā)明為一種實現(xiàn)高命中率的逐詞比對方法，其特殊之處在于：該方法包括以下步驟：

1)多段英文字符串單元組成英文字符串(engdata)，多段中文字符串單元組成中文字符串(chndata)；

2)對英文字符串分詞，得到長度為分詞長度(phrlen)的英文分詞結(jié)果集engphr(n＝0，。。。phrlen-1)；

3)判斷英文分詞結(jié)果集中一項engphr(n)是否存在于關(guān)鍵詞字符列表中，否則結(jié)束，是則進(jìn)至步驟4)；

4)查找中英字典，得到engphr(n)對應(yīng)中文ID序列(chnidseq)(n＝0，。。。len-1)；

5)判斷chnidseq(n)是否存在于關(guān)鍵詞字符列表中，否則返回步驟3，重新選一個engphr(n+1)重復(fù)步驟3-5，是則進(jìn)至步驟6；

6)查找chnidseq(n)的變形序列中文關(guān)聯(lián)詞序列(chnrelseq)(n＝0，。。。chnrelseq?len-1)；

7)判斷chnrelseq(n)是否存在于關(guān)鍵詞字符列表中，否則返回步驟5)，是則進(jìn)至步驟8)；

8)chnrelseq(n)在chndata中進(jìn)行字符串匹配，如不匹配，則返回步驟7，重新選一個chnrelseq(n+1)，再重復(fù)步驟7-8，如果匹配則進(jìn)行步驟9)；

9)對英中添加已經(jīng)命中標(biāo)識標(biāo)記，從chndata中刪除chnrelseq(n)。

該方法還包括在對照詞典中對詞條加入詞性，將英文無意義單詞和英文單詞數(shù)據(jù)同時標(biāo)記。

該方法還包括：

10)將英文數(shù)據(jù)和中文數(shù)據(jù)按單詞劃分為多個節(jié)點；

11)選擇中文數(shù)據(jù)中未有對應(yīng)英文的單詞的節(jié)點作為目標(biāo)節(jié)點；

12)以目標(biāo)節(jié)點為中心，向兩向擴(kuò)散，計算放大率；

13)計算英文數(shù)據(jù)各節(jié)點相對與目標(biāo)節(jié)點的位置權(quán)重；

14)計算待確認(rèn)節(jié)點權(quán)重值，根據(jù)待確認(rèn)節(jié)點權(quán)重值從英文數(shù)據(jù)中選擇目標(biāo)節(jié)點的對應(yīng)節(jié)點。

上述步驟12)的具體步驟如下：

121)首先得到目標(biāo)節(jié)點與中文數(shù)據(jù)中各個存在對應(yīng)節(jié)點之間的關(guān)系，選取差值最大值作為最大基數(shù)，得到的Nmax；

122)計算中文數(shù)據(jù)中各個節(jié)點的放大率，放大率的計算公式為：

上述步驟13)中計算英文數(shù)據(jù)各節(jié)點相對與目標(biāo)節(jié)點的位置權(quán)重的公式如下：DesStep(x)＝DesLen-|Des(x)-Des(x’)|。DesThr(X)＝∑(BaseThr(n)*DesThr(n))

上述步驟14)中計算待確認(rèn)節(jié)點權(quán)重值的公式如下：DesThr(X)＝∑(BaseThr(n)*DesThr(n))。

該方法還包括步驟

15)讀取一條中文數(shù)據(jù)，分析其每條英文解釋和詞性；

16)如果該解釋的詞性為形容詞且該中文為以“的”結(jié)束；

17)去掉“的”后若詞長大于1；

18)在關(guān)鍵詞列表中查找該詞；

19)如果存在，則該詞作為新詞添加；

20)增加該詞及對應(yīng)英文解釋。

本發(fā)明具有以下優(yōu)點：

1、本發(fā)明將傳統(tǒng)的從英文向中文的比對路徑該為中文向英文的比對路徑，可以消除中文分詞粒度過大導(dǎo)致的遺漏單元，將對逐詞比對的命中率從56。78％提供到64。19％。