[發(fā)明專利]一種在搜索引擎中確定形近字的方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201410104483.X
• 申請(qǐng)日: 2014-03-19
• 公開（公告）號(hào): CN103927330A
• 公開（公告）日: 2014-07-16
• 發(fā)明（設(shè)計(jì)）人: 項(xiàng)碧波
• 申請(qǐng)（專利權(quán)）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(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 趙娟

1.一種在搜索引擎中確定形近字的方法，包括：

確定輸入搜索引擎中的待校驗(yàn)的第一文字和第二文字；

按照預(yù)設(shè)規(guī)則獲取所述第一文字的第一編碼字符串以及所述第二文字的第二編碼字符串；

計(jì)算所述第一編碼字符串和所述第二編碼字符串之間的編碼距離；

當(dāng)所述編碼距離小于預(yù)設(shè)距離閾值時(shí)，判定所述第一文字與所述第二文字互為形近字；

在搜索引擎中建立第一文字與第二文字之間的形近字映射關(guān)系。

2.如權(quán)利要求1所述的方法，其特征在于，所述預(yù)設(shè)規(guī)則包括預(yù)設(shè)的編碼規(guī)則，所述獲取所述第一文字的第一編碼字符串以及所述第二文字的第二編碼字符串的步驟包括：

按照預(yù)設(shè)的編碼規(guī)則計(jì)算所述第一文字對(duì)應(yīng)的第一編碼字符串；

按照所述編碼規(guī)則計(jì)算所述第二文字對(duì)應(yīng)的第二編碼字符串；

其中，所述預(yù)設(shè)的編碼規(guī)則包括五筆編碼規(guī)則。

3.如權(quán)利要求1或2所述的方法，其特征在于，還包括：

將所述互為形近字的第一文字和第二文字及所述形近字映射關(guān)系輸出至指定的字體數(shù)據(jù)庫(kù)中。

4.一種提供搜索中關(guān)鍵詞糾錯(cuò)的方法，包括：

接收搜索請(qǐng)求；所述搜索請(qǐng)求中包括搜索關(guān)鍵詞；

當(dāng)對(duì)所述搜索關(guān)鍵詞進(jìn)行糾錯(cuò)處理發(fā)現(xiàn)錯(cuò)誤時(shí)，采用與所述搜索關(guān)鍵詞匹配的形近字對(duì)所述搜索關(guān)鍵詞進(jìn)行改寫；

以改寫后的搜索關(guān)鍵詞進(jìn)行搜索，獲得與所述改寫后的搜索關(guān)鍵詞相匹配的搜索結(jié)果數(shù)據(jù)。

5.如權(quán)利要求4所述的方法，其特征在于，所述形近字通過以下方式獲得：

確定待輸入搜索引擎中的校驗(yàn)是否為形近字的第一文字和第二文字；

按照預(yù)設(shè)規(guī)則獲取所述第一文字的第一編碼字符串以及所述第二文字的第二編碼字符串；

計(jì)算所述第一編碼字符串和所述第二編碼字符串之間的編碼距離；

當(dāng)所述編碼距離小于預(yù)設(shè)距離閾值時(shí)，判定所述第一文字與所述第二文字互為形近字；

在搜索引擎中建立第一文字與第二文字之間的形近字映射關(guān)系。

6.一種在搜索引擎中確定形近字的裝置，包括：

文字確定模塊，適于確定輸入搜索引擎中的待校驗(yàn)的第一文字和第二文字；

編碼獲取模塊，適于按照預(yù)設(shè)規(guī)則獲取所述第一文字的第一編碼字符串以及所述第二文字的第二編碼字符串；

編碼距離計(jì)算模塊，適于計(jì)算所述第一編碼字符串和所述第二編碼字符串之間的編碼距離；

形近字判定模塊，適于在所述編碼距離小于預(yù)設(shè)距離閾值時(shí)，判定所述第一文字與所述第二文字互為形近字；

映射關(guān)系確定模塊，適于在搜索引擎中建立第一文字與第二文字之間的形近字映射關(guān)系。

7.如權(quán)利要求6所述的裝置，其特征在于，所述預(yù)設(shè)規(guī)則包括預(yù)設(shè)的編碼規(guī)則，所述編碼獲取模塊還適于：

按照預(yù)設(shè)的編碼規(guī)則計(jì)算所述第一文字對(duì)應(yīng)的第一編碼字符串；

按照所述編碼規(guī)則計(jì)算所述第二文字對(duì)應(yīng)的第二編碼字符串；

其中，所述預(yù)設(shè)的編碼規(guī)則包括五筆編碼規(guī)則。

8.如權(quán)利要求6或7所述的裝置，其特征在于，還包括：

輸出模塊，適于將所述互為形近字的第一文字和第二文字及所述形近字映射關(guān)系輸出至指定的字體數(shù)據(jù)庫(kù)中。

9.一種提供搜索中關(guān)鍵詞糾錯(cuò)的裝置，包括：

接收單元，適于接收搜索請(qǐng)求；所述搜索請(qǐng)求中包括搜索關(guān)鍵詞；

改寫單元，適于在對(duì)所述搜索關(guān)鍵詞進(jìn)行糾錯(cuò)處理發(fā)現(xiàn)錯(cuò)誤時(shí)，采用與所述搜索關(guān)鍵詞匹配的形近字對(duì)所述搜索關(guān)鍵詞進(jìn)行改寫；

搜索單元，適于以改寫后的搜索關(guān)鍵詞進(jìn)行搜索，獲得與所述改寫后的搜索關(guān)鍵詞相匹配的搜索結(jié)果數(shù)據(jù)。

10.如權(quán)利要求9所述的裝置，其特征在于，所述形近字通過調(diào)用以下模塊獲得：

文字確定模塊，適于確定輸入搜索引擎中的待校驗(yàn)的第一文字和第二文字；

編碼獲取模塊，適于按照預(yù)設(shè)規(guī)則獲取所述第一文字的第一編碼字符串以及所述第二文字的第二編碼字符串；

編碼距離計(jì)算模塊，適于計(jì)算所述第一編碼字符串和所述第二編碼字符串之間的編碼距離；

形近字判定模塊，適于在所述編碼距離小于預(yù)設(shè)距離閾值時(shí)，判定所述第一文字與所述第二文字互為形近字；

映射關(guān)系確定模塊，適于在搜索引擎中建立第一文字與第二文字之間的形近字映射關(guān)系。