[發明專利]一種筆畫編碼結合漢字點陣的形近字分類方法

有效

• 申請號: 201611065190.0
• 申請日: 2016-11-28
• 公開（公告）號: CN106598920B
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 邵玉斌;王逍翔
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06F17/22
• 分類號: G06F17/22;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種筆畫編碼結合漢字點陣的形近字分類方法，其特征在于，包括以下步驟：

步驟一、統計筆畫編碼表中所有筆畫結構出現的頻度，將出現次數低于10次的筆畫結構濾除并排序，將包含相應筆畫結構的漢字組成一個集合對應于此筆畫結構，由此得到若干個漢字集合；

步驟二、對步驟一得到的漢字集合進行篩選，濾除編碼長度小于4的筆畫結構對應的漢字集合，將剩余的漢字集合添加到形近字數據庫中，每個集合生成一張形近字表；

步驟三、對步驟二得到的漢字集合中的漢字進行點陣比較并計算平均相似度，求所有漢字的相似平均度的平均值，將低于平均值80％對應的漢字濾出，得到處理后的漢字集合，將其以步驟二中相同的方法保存到形近字數據庫中。

2.根據權利要求1所述的筆畫編碼結合漢字點陣的形近字分類方法，其特征在于：所述步驟三種漢字點陣比較采用對位比較的方法，計算得到兩個漢字的相似度，將點陣表示為由0，1表示的16×16矩陣，有漢字筆畫的位置為1，反之為0，相似度計算公式如下：

其中，i，j為一個漢字集合中兩個漢字的標號，X_ij表示兩個漢字的相似度，m代表矩陣的行，n代表矩陣的列，W_imn代表漢字i的m行n列的值，W_jmn代表漢字j的m行n列的值。

3.根據權利要求1或2所述的筆畫編碼結合漢字點陣的形近字分類方法，其特征在于：所述步驟三中漢字集合中每個漢字的平均相似度計算如下：

其中，S_n代表字n的平均相似度，i代表字i，n代表字n，L_i代表字i的筆畫編碼長度，L_n代表字n的筆畫編碼長度，X_in代表兩個字的相似度，N代表集合中除去字n的字的總數。