[發(fā)明專利]一種用于互聯(lián)網(wǎng)信息的錯(cuò)詞檢測(cè)控制方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910361026.1
• 申請(qǐng)日: 2019-04-30
• 公開（公告）號(hào): CN111859089A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 李青龍;駱飛;彭璿韜;王雪峰;韓輝
• 申請(qǐng)（專利權(quán)）人: 北京智慧星光信息技術(shù)有限公司
• 主分類號(hào): G06F16/9532
• 分類號(hào): G06F16/9532;G06F16/33
• 代理公司: 北京國(guó)昊天誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 11315
• 代理人: 劉昕

一種用于互聯(lián)網(wǎng)信息的錯(cuò)詞檢測(cè)控制方法，包括系統(tǒng)在字詞標(biāo)準(zhǔn)庫(kù)中通過字典查找樹的方式，檢索需要進(jìn)行錯(cuò)詞檢測(cè)的信息中是否包含組成詞組的字符串，判斷若存在，則返回該字符串及字符串在信息中位置的檢索結(jié)果信息后,系統(tǒng)通過字符位置查找映射的方式，獲取檢索結(jié)果信息中匹配到的每個(gè)字符串在詞組中的位置及該字符串的長(zhǎng)度的信息；通過獲取的信息，截取需要進(jìn)行錯(cuò)詞檢測(cè)的信息的文本內(nèi)容信息；系統(tǒng)將截取到的文本內(nèi)容信息，傳入文本糾錯(cuò)樹中，獲取截取到的所述文本內(nèi)容信息中各個(gè)詞組與組成文本糾錯(cuò)樹的標(biāo)準(zhǔn)詞組之間的編輯距離為設(shè)定閥值的截取詞組。本發(fā)明解決了需要檢測(cè)出互聯(lián)網(wǎng)信息中同音錯(cuò)別字、字形錯(cuò)別字以及人名錯(cuò)誤的技術(shù)問題。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)信息技術(shù)領(lǐng)域，特別涉及一種用于互聯(lián)網(wǎng)信息的錯(cuò)詞檢 測(cè)控制方法。

背景技術(shù)

近年來(lái)隨著信息技術(shù)的大力發(fā)展，新媒體的發(fā)展日新月異，技術(shù)手段的革 新使得任何人可以在任何空間、任何時(shí)間里發(fā)布和接觸信息，海量的信息也改 變了人們的認(rèn)知過程與行為方式，但是在互聯(lián)網(wǎng)信息的廣泛傳播中存在大量的 錯(cuò)詞問題，錯(cuò)詞問題長(zhǎng)期廣泛存在，對(duì)人們的工作和生活帶來(lái)極大影響，例如， 經(jīng)濟(jì)合同里的錯(cuò)別字可能會(huì)導(dǎo)致巨大的商業(yè)損失，知名公眾人物的錯(cuò)別字問題 可能會(huì)影響其發(fā)展前途，高考作文里的錯(cuò)別字也一定會(huì)影響到學(xué)生的升學(xué)成 績(jī)。

當(dāng)前互聯(lián)網(wǎng)上存在的一些錯(cuò)詞檢測(cè)技術(shù)，通常只能檢測(cè)成語(yǔ)中的錯(cuò)別字， 并且檢測(cè)到的錯(cuò)別字大都只能是正確字的同音字。當(dāng)前需要一種技術(shù)方案，不 僅可以檢測(cè)互聯(lián)網(wǎng)信息中的同音錯(cuò)別字和字形錯(cuò)別字，而且可以檢測(cè)人名錯(cuò) 誤。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供一種用于互聯(lián)網(wǎng)信息的錯(cuò)詞檢測(cè)控制方法，以解決需要 檢測(cè)出互聯(lián)網(wǎng)信息中同音錯(cuò)別字、字形錯(cuò)別字以及人名錯(cuò)誤的技術(shù)問題。

本發(fā)明提供了一種用于互聯(lián)網(wǎng)信息的錯(cuò)詞檢測(cè)控制方法，包括：

步驟A、系統(tǒng)在字詞標(biāo)準(zhǔn)庫(kù)中通過字典查找樹的方式，檢索需要進(jìn)行錯(cuò)詞 檢測(cè)的互聯(lián)網(wǎng)信息中是否包含組成詞組的字符串，判斷若存在，則返回該字符 串及字符串在所述互聯(lián)網(wǎng)信息中位置的檢索結(jié)果信息，執(zhí)行步驟B；

步驟B、系統(tǒng)通過字符位置查找映射的方式，獲取所述檢索結(jié)果信息中匹 配到的每個(gè)字符串在詞組中的位置及該字符串的長(zhǎng)度的信息；通過獲取的信 息，截取需要進(jìn)行錯(cuò)詞檢測(cè)的互聯(lián)網(wǎng)信息的文本內(nèi)容信息；

步驟C、系統(tǒng)將截取到的所述文本內(nèi)容信息，傳入文本糾錯(cuò)樹中，獲取截 取到的所述文本內(nèi)容信息中各個(gè)詞組與組成文本糾錯(cuò)樹的標(biāo)準(zhǔn)詞組之間的編 輯距離為設(shè)定閥值的截取詞組。

上述方法還可包括：所述系統(tǒng)在字詞標(biāo)準(zhǔn)庫(kù)中通過字典查找樹的方式，檢 索需要進(jìn)行錯(cuò)詞檢測(cè)的互聯(lián)網(wǎng)信息中是否包含組成詞組的字符串，是指：所述 系統(tǒng)在字詞標(biāo)準(zhǔn)庫(kù)中通過由一種字符串構(gòu)成的存儲(chǔ)結(jié)構(gòu)，快速查詢需要進(jìn)行錯(cuò) 詞檢測(cè)的互聯(lián)網(wǎng)信息中是否包含構(gòu)成該存儲(chǔ)結(jié)構(gòu)的字符串。

上述方法還可包括：所述系統(tǒng)通過字符位置查找映射的方式，獲取所述檢 索結(jié)果信息中匹配到的每個(gè)字符串在詞組中的位置及該字符串的長(zhǎng)度的信息， 是指：系統(tǒng)通過一種快速定位字符串的映射結(jié)構(gòu)，該映射結(jié)構(gòu)用于存儲(chǔ)所述字 詞標(biāo)準(zhǔn)庫(kù)中每個(gè)詞的字符串及字符串在這個(gè)詞中的位置和字符串的長(zhǎng)度。

上述方法還可包括：所述文本糾錯(cuò)樹是一種由字符串組成的快速判斷樹， 用于檢測(cè)傳入字符串與組成字符串之間的編輯距離是否為設(shè)定閥值。

上述方法還可包括：所述步驟A中還包括：所述系統(tǒng)對(duì)需要進(jìn)行錯(cuò)詞檢測(cè) 的互聯(lián)網(wǎng)信息進(jìn)行分詞操作，得到分詞組合A＝[a₁，a₂，a₃，......，a_n]，其中n 為正整數(shù)。

上述方法還可包括：所述系統(tǒng)要根據(jù)預(yù)設(shè)周期對(duì)所述字詞標(biāo)準(zhǔn)庫(kù)進(jìn)行更 新，增加新的字詞內(nèi)容。