[發明專利]一種數據檢測方法及裝置

有效

• 申請號: 201310552133.5
• 申請日: 2013-11-08
• 公開（公告）號: CN103593062A
• 公開（公告）日: 2014-02-19
• 發明（設計）人: 薛永剛;項碧波
• 申請（專利權）人: 北京奇虎科技有限公司;奇智軟件(北京)有限公司
• 主分類號: G06F3/023
• 分類號: G06F3/023
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 姜精斌

1.一種數據檢測方法，其特征在于，該方法包括：

輸入多個訓練數據；

對訓練數據進行音節切分，獲取對應訓練切分結果；

將所述訓練切分結果作為訓練特征數據，生成預測模型；

使用所述預測模型檢測至少一個輸入數據，識別所述輸入數據中的字母串對應屬性特征。

2.權利要求1所述的方法，其特征在于，所述對應訓練切分結果數量最少且完整度最高。

3.如權利要求1或2所述的方法，其特征在于，所述對訓練數據進行音節切分，獲取對應訓練切分結果包括：

對所述訓練數據進行音節切分，得到至少一種切分形式；

將所述切分形式對照拼音表，按照正確音節和不完整音節分數從高到低計算音節分數和，選擇音節分數和最大的切分形式作為訓練切分結果。

4.如權利要求1-3任一項所述的方法，其特征在于，所述按照正確音節和不完整音節分數從高到低計算音節分數和，選擇音節分數和最大的切分形式作為訓練切分結果包括：

采用動態規劃法按照正確音節和不完整音節分數從高到低計算音節分數和，選擇音節分數和最大的切分形式作為訓練切分結果。

5.如權利要求1至4任一項所述的方法，其特征在于，所述生成預測模型為使用機器學習算法生成預測模型。

6.如權利要求1-5任一項所述的方法，其特征在于，所述機器學習算法包括支持向量機SVM算法或最大熵算法或最鄰近結點算法KNN。

7.如權利要求1-6任一項所述的方法，其特征在于，所述輸入數據中的字母串的對應屬性特征為英文字符串或者拼音字符串。

8.如權利要求1-7任一項所述的方法，其特征在于，使用所述預測模型檢測至少一個輸入數據，識別所述輸入數據中的字母串對應屬性特征包括：

判斷所述輸入數據是否為字母串；

當所述輸入數據為字母串，且所述輸入數據不在英文詞典中時，對所述輸入數據進行音節切分，獲取對應訓練切分結果；

將所述切分結果作為特征數據；

使用所述預測模型對所述特征數據進行分類，從而識別所述輸入數據中的字母串是英文串還是拼音串。

9.一種數據檢測裝置，其特征在于，該裝置包括：

訓練數據接收接口，適于接收多個訓練數據；

訓練模塊，用于對訓練數據進行音節切分，獲取對應訓練切分結果；

模型生成模塊，用于將所述訓練切分結果作為訓練特征數據，生成預測模型；

模型數據庫，適于存儲所述生成的預測模型；

數據輸入接口，適于輸入至少一個待識別的輸入數據

識別模塊，用于調用所述模型數據庫中的預測模型檢測所述待識別的輸入數據，識別所述待識別的輸入數據中的字母串對應屬性特征。

10.如權利要求9所述的裝置，其特征在于，所述訓練模塊包括：

切分子模塊，用于對所述訓練數據進行音節切分，得到至少一種切分形式；

計算子模塊，用于將所述切分形式對照拼音表，按照正確音節和不完整音節分數從高到低計算音節分數和，選擇音節分數和最大的切分形式作為訓練切分結果。