[發明專利]生成用戶詞典的方法和裝置

在審

• 申請號: 201610325791.4
• 申請日: 2016-05-17
• 公開（公告）號: CN107390892A
• 公開（公告）日: 2017-11-24
• 發明（設計）人: 鄭仲光;孟遙;孫俊
• 申請（專利權）人: 富士通株式會社
• 主分類號: G06F3/023
• 分類號: G06F3/023;G06F17/27
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 朱勝,江河清

1.一種生成用戶詞典的方法，包括：

跟蹤用戶的編輯歷史，所述編輯歷史包括多個單元，其中每個單元存儲用戶輸入的拼音和對應的文字；

從所述編輯歷史還原出詞的列表；

計算每兩個相鄰詞之間的轉移概率；

根據所計算的轉移概率提取連續多個轉移概率均小于預定閾值的詞作為候選詞串；以及

當所述候選詞串的包含至少兩個詞的子詞串所對應的拼音被再次輸入時，將所述子詞串作為新詞插入用戶詞典中。

2.根據權利要求1所述的方法，其中，根據所計算的轉移概率提取連續多個轉移概率均小于預定閾值的詞串作為候選詞串包括：

提取連續多個轉移概率均小于預定閾值的詞及其上下文詞作為候選詞串；

依次對所述候選詞串中每個單元執行以下處理來構建有向圖，其中，所述有向圖存儲所述候選詞串中的單元之間的關系：

當所述單元的拼音加文字未出現在拼音列表索引中時，則將其作為新的條目添加在所述拼音列表索引中，同時將所述單元中的文字添加為所述有向圖中的一個新的節點，其中，所述拼音列表索引中包含所有拼音條目，

當下一個單元的文字存在于所述有向圖中時，則從其在所述有向圖中的節點向當前單元在所述有向圖中的節點添加一條邊。

3.根據權利要求2所述的方法，其中當所述候選詞串的包含至少兩個詞的子詞串所對應的拼音被再次輸入時，將所述子詞串作為新詞插入用戶詞典中包括：

對于用戶輸入的拼音找到其在所述有向圖中的所有節點，當在所述有向圖中存在一條連接所有節點的路徑時，將這些節點所對應的詞串作為新詞插入用戶詞典中。

4.根據權利要求1所述的方法，其中，每個單元還存儲文字在詞中的位置，包括詞的開始、詞中間、詞尾和單字詞。

5.根據權利要求4所述的方法，從所述編輯歷史還原出詞的列表包括：

根據每個單元中存儲的文字在詞中的位置來還原出所述詞的列表。

6.根據權利要求1所述的方法，其中，所述編輯歷史包括用戶的可跟蹤操作。

7.根據權利要求6所述的方法，其中，所述用戶的可跟蹤操作包括按下左箭頭鍵、右箭頭鍵、退格鍵和刪除鍵。

8.根據權利要求1所述的方法，其中，在計算每兩個相鄰詞之間的轉移概率之前，所述方法還包括：

統計用戶停止輸入拼音的持續時間，當所述持續時間大于預定時間時，執行計算每兩個相鄰詞之間的轉移概率的步驟。

9.根據權利要求1所述的方法，其中，采用點互信息、交叉熵和語言模型中的任意一種方法來計算所述轉移概率。

10.一種生成用戶詞典的裝置，包括：

編輯歷史跟蹤單元，被配置為跟蹤用戶的編輯歷史，所述編輯歷史包括多個單元，其中每個單元存儲用戶輸入的拼音和對應的文字；

詞還原單元，被配置為從所述編輯歷史還原出詞的列表；

轉移概率計算單元，被配置為計算每兩個相鄰詞之間的轉移概率；

候選詞串確定單元，被配置為根據所計算的轉移概率提取連續多個轉 移概率均小于預定閾值的詞作為候選詞串；以及

用戶詞典生成單元，被配置為當所述候選詞串的包含至少兩個詞的子詞串所對應的拼音被再次輸入時，將所述子詞串作為新詞插入用戶詞典中。