[發明專利]一種實現漢語同音字檢索的方法

有效

• 申請號: 201210008298.1
• 申請日: 2012-01-12
• 公開（公告）號: CN102609455A
• 公開（公告）日: 2012-07-25
• 發明（設計）人: 王杰中;周海濱;鄒娟;崔玉祥
• 申請（專利權）人: 北京中科大洋科技發展股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 周國城

1.一種實現漢語同音字檢索的方法，其特征在于，該方法包括：

步驟1：建立常用漢字與其同音代表字之間的映射關系，并按照該映射關系對檢索數據庫中的原始全文內容進行映射，得到由多條映射記錄構成的檢索數據庫；

步驟2：按照該映射關系對用戶輸入的原始檢索關鍵詞進行映射，得到對應于該原始檢索關鍵詞的同音代表字串；

步驟3：在由多條映射記錄構成的檢索數據庫中對該同音代表字串進行檢索，得到檢索結果。

2.根據權利要求1所述的實現漢語同音字檢索的方法，其特征在于，步驟1中所述建立常用漢字與其同音代表字之間的映射關系包括：

以國家質量技術監督局2001年宣布的計算機漢字信息交換標準GB18030為依據，建立常用漢字與其同音代表字之間的映射關系，其中GB18030共包括70244個漢字，從具有相同發音的多個漢字中選取同音代表字。

3.根據權利要求1所述的實現漢語同音字檢索的方法，其特征在于，步驟1中所述建立常用漢字與其同音代表字之間的映射關系包括：

以國家語委漢字處制定的包括7000個漢字的現代漢語通用字表或以教育部目前正向社會征求意見的包括8300個漢字的通用規范漢字表為依據，建立常用漢字與其同音代表字之間的映射關系，從具有相同發音的多個漢字中選取同音代表字。

4.根據權利要求2或3所述的實現漢語同音字檢索的方法，其特征在于，所述在從具有相同發音的多個漢字中選取同音代表字，是選用具有相同發音的任一個字做為其同音代表字。

5.根據權利要求4所述的實現漢語同音字檢索的方法，其特征在于，所述在從具有相同發音的多個漢字中選取同音代表字，是選用具有相同發音的第一個字做為其同音代表字。

6.根據權利要求1所述的實現漢語同音字檢索的方法，其特征在于，所述原始全文內容和同音代表字信息保存在同一個數據庫表中，步驟1中所述映射記錄包括以下字段：

記錄標識、原始全文內容和同音代表字信息，其中原始全文內容與同音代表字信息按照所述映射關系一一對應。

7.根據權利要求6所述的實現漢語同音字檢索的方法，其特征在于，所述步驟3包括：

以該同音代表字串為檢索關鍵詞，在檢索數據庫映射記錄的同音代表字信息字段中進行檢索，檢索到與該同音代表字串匹配的同音代表字信息，然后根據該匹配的同音代表字信息確定檢索到的映射記錄，得到該映射記錄中的原始全文內容為檢索結果。

8.根據權利要求1所述的實現漢語同音字檢索的方法，其特征在于，所述原始全文內容和同音代表字信息分別保存在不同的數據庫表中，步驟1中所述映射記錄包括以下字段：

記錄標識、原始資源標識ID和同音代表字信息，其中原始資源標識ID與同音代表字信息按照所述映射關系一一對應，且在原始全文內容數據庫表中原始資源標識ID對應于原始全文內容。

9.根據權利要求8所述的實現漢語同音字檢索的方法，其特征在于，所述步驟3包括：

以該同音代表字串為檢索關鍵詞，在檢索數據庫映射記錄的同音代表字信息字段中進行檢索，檢索到與該同音代表字串匹配的同音代表字信息，然后根據該匹配的同音代表字信息確定檢索到的映射記錄，得到該映射記錄中的原始資源標識ID，然后根據該原始資源標識ID到原始全文內容數據庫表中找到對應的記錄，得到原始全文內容為檢索結果。

10.根據權利要求1所述的實現漢語同音字檢索的方法，其特征在于，步驟3中所述檢索采用全文檢索方式，該全文檢索是指計算機索引程序通過掃描檢索數據庫中的每一個詞，對每一個詞建立一個索引，指明該詞在文章中出現的次數和位置，當用戶查詢時，檢索程序就根據事先建立的索引進行查找，并將查找的結果反饋給用戶的檢索方式。

11.根據權利要求1所述的實現漢語同音字檢索的方法，其特征在于，該方法在步驟3之后還包括：

得到檢索結果之后，對檢索結果進行標紅處理和生成動態摘要，并展現給用戶；其中，標紅處理是指對檢索結果的條目內容中的檢索關鍵詞運用紅色字體突出顯示；生成動態摘要是指在檢索結果的條目內容中提取檢索關鍵詞的上下文連接而成的摘要。