[發明專利]一種標準檢索智能分詞方法

有效

• 申請號: 201410024472.0
• 申請日: 2014-01-20
• 公開（公告）號: CN103870537B
• 公開（公告）日: 2017-02-01
• 發明（設計）人: 李鳳龍;劉麗梅;王秀芹;馬強
• 申請（專利權）人: 山東金質信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 濟南舜源專利事務所有限公司37205
• 代理人: 商金婷

技術領域

本發明涉及一種智能檢索領域，具體地講，涉及一種標準檢索智能分詞方法。?

背景技術

?隨著科學技術的發展，生產的社會化程度越來越高，生產規模越來越大，技術要求越來越復雜，分工越來越細，生產協作越來越廣泛，這就要求必須通過制定和使用符合國家或國際規定的標準，來保證各生產部門的活動，在技術上保持高度的統一和協調，從而保障生產的正常進行，獲得最佳經濟和社會效益，并為促進技術進步，產業結構調整，產品升級換代和產品質量提高等提供全方位的標準支持。?

在以往采用數據庫的系統中，通過sql查詢操作難以得到用戶所需的標準。目前，使用的標準數量已經達到千萬級別的、甚至更高的海量級別。在大眾對標準不熟悉，查詢不準確的情況下，提供準確的查找或者相似的標準，成為一個急需解決的難題。????

針對標準數量眾多、用戶對標準不熟悉，查詢所需標準效率低等問題，引入有限狀態機和記憶規則原理，提出解決該海量標準數據檢索問題的一個算法，對用戶的查詢進行相關的智能提示或推薦，簡單、快速挖掘用戶所需標準，有效提高了查詢效率。

發明內容

本發明要解決的技術問題是提供一種標準檢索智能分詞方法，滿足用戶的查詢需要，提高用戶的標準檢索速度。?

本發明采用如下技術方案實現發明目的：?

一種標準檢索智能分詞方法，其特征在于，包括如下步驟：

（1）對輸入的字符串的進行規范化預處理；

（2）判斷當前輸入的字符串是否為編號，如果輸入的是編號，轉步驟（3），反之，轉步驟（4）；

（3）判斷是否到字符串的末尾，如果不是到字符串末尾，則判斷當前字符和上一個字符是否為同一類，同類則直接歸并到上一個字符所在的組中，形成詞段，否則創建新組，并將新組加入到組鏈中，并將該字符計入新組，組成另一個詞段，循環上述操作直到字符串末尾為止，如果是字符串末尾，則針對生成出來的組鏈，轉步驟（5）；?

（4）采用基于詞典的方式處理，形成分詞并存儲；

（5）根據得到的組鏈，采用基于記憶規律的分詞組合方式，依次利用分詞規則形成分詞，并且在去重過濾后進行存儲。

作為對本技術方案的進一步限定，所述分詞規則具體包括簡單詞的分詞組合、相連詞的分詞組合、相連詞的模糊組合和全詞組合。?

與現有技術相比，本發明的優點和積極效果是：本發明根據用戶輸入的檢索條件，經過預處理、分詞等處理過程，形成檢索條件，然后利用檢索引擎，匹配出符合條件的記錄，從而反饋給用戶檢索結構。本發明利用空間維度換取時間維度，實時反饋查詢結果，以便最快速的滿足用戶的檢索請求，提高平臺和用戶的交互性。?

附圖說明

圖1為本發明優選實施例的流程圖。?

具體實施方式

下面結合附圖和優選實施例對本發明作更進一步的詳細描述。?

標準編號：?由標準化組織制定的符合國家或國際標準的具有唯一性的、用以記錄各種標準的代號，稱為標準編號。?

標準編號有國際標準編號和我國的國家標準編號兩種。國際及國外的標準編號形式各異，但基本結構為：標準代號+專業代號+順序號+年代號。?我國的標準編號由標準代號、標準發布順序和標準發布年代號構成。?

標準查詢：

根據標準組織代號、標準順序號、標準名稱、適用范圍、中標分類號、標準年代號、ICS分類號等檢索條件進行模糊檢索。查詢結果顯示標準號、標準名稱、實施日期、標準狀態、頁數、前言、引言、預覽按鈕等。

預處理：

對輸入的字符串進行規范化的預先處理，如：去除字符串中的首尾空格、回車、換行符、制表符等，并將所有小寫字母轉化成大寫字母，這個處理過程稱為預處理；在系統構建索引、用戶查詢時均先進行該步驟，以便規范化系統、用戶的輸入。

詞段：

在輸入字符串判斷是否為編號中，根據依次輸入的字符是否為同一類進行劃分，把同類的字符放入一組，形成一個子字符串，稱之為詞段。由多個字符組成字符串，在是否為同一詞段的判斷過程中，若當前字符和上一字符同類，則放到同一個詞段中。例如字符串SJZ1162013，首先輸入字符串S，因為是第一個字符，直接放入一組，再次輸入J時，就開始判斷當前字符J是否和上一字符S是否為同類，從而決定是否放入同一詞段中。按字符是英文字母和阿拉伯數字分類，SJZ1162013會分為SJZ和1162013兩個詞段。

組鏈：