[發明專利]一種基于字典的搜索詞query糾錯方法及系統

在審

• 申請號: 202310215206.5
• 申請日: 2023-02-28
• 公開（公告）號: CN116187303A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 劉弦弦
• 申請（專利權）人: 北京智通云聯科技有限公司
• 主分類號: G06F40/232
• 分類號: G06F40/232;G06F40/247;G06F40/284;G06F16/33
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 王新捷

1.一種基于字典的搜索詞query糾錯方法，其特征在于，包括：

獲取領域相關專業術語；

對所述領域相關專業術語進行預處理，得到所述專業術語的子詞，生成專業術語白字典；

通過所述白字典對用戶輸入的搜索詞query中的詞語進行分析糾錯。

2.根據權利要求1所述的方法，其特征在于，所述領域相關專業術語的獲取方法包括：從領域相關的業務數據庫中導出，以及通過網絡爬蟲從互聯網獲取相關領域的中文文本數據集。

3.根據權利要求1所述的方法，其特征在于，所述對所述領域相關專業術語進行預處理，得到所述專業術語的子詞具體包括：

將所述領域相關專業術語進行拼音轉換；

分別對所述領域相關專業術語及其轉換后的拼音進行分詞，得到詞語子詞和拼音子詞；

根據分詞后的拼音對所述詞語子詞進行分類，分類時不考慮所述拼音子詞的音調，將拼音相同的詞語子詞分為一類。

4.根據權利要求1所述的方法，其特征在于，所述通過所述白字典對用戶輸入的搜索詞query的詞語進行分析糾錯的具體方法為：

獲取用戶輸入的搜索詞query，對所述搜索詞query進行分詞，得到若干詞語；

針對所述詞語對所述白字典進行查詢，判斷所述白字典中是否包括所述詞語：若包括，則該詞語保留，若不包括，則將該詞語與其在搜索詞query中左右兩邊的詞語分別進行組合，替換得到新的詞語；

將所述詞語進行拼音轉換，根據轉換后的拼音查找同音的拼音子詞，獲取對應的詞語子詞，作為每個詞語的候選詞，若沒有查找到同音的拼音子詞，則候選詞為詞語本身；

根據將所述搜索詞query的詞語順序，拼接所述候選詞生成候選句子；

通過結巴分詞對所述候選句子進行排序，排序靠前的候選句子為正確搜索詞query。

5.一種基于字典的搜索詞query糾錯系統，其特征在于，包括：

數據獲取模塊：用于獲取領域相關專業術語；

字典生成模塊：用于對所述領域相關專業術語進行預處理，得到所述專業術語的子詞，生成專業術語白字典；

分析糾錯模塊：用于通過所述白字典對用戶輸入的搜索詞query中的詞語進行分析糾錯。

6.根據權利要求5所述的系統，其特征在于，所述數據獲取模塊具體用于：

從領域相關的業務數據庫中導出領域相關專業術語；

通過網絡爬蟲從互聯網獲取相關領域的中文文本數據集。

7.根據權利要求5所述的系統，其特征在于，所述字典生成模塊具體用于：

將所述領域相關專業術語進行拼音轉換；

分別對所述領域相關專業術語及其轉換后的拼音進行分詞，得到詞語子詞和拼音子詞；

根據分詞后的拼音對所述詞語子詞進行分類，分類時不考慮所述拼音子詞的音調，將拼音相同的詞語子詞分為一類，生成專業術語白字典。

8.根據權利要求5所述的系統，其特征在于，所述分析糾錯模塊具體用于：

獲取用戶輸入的搜索詞query，對所述搜索詞query進行分詞，得到若干詞語；

針對所述詞語對所述白字典進行查詢，判斷所述白字典中是否包括所述詞語：若包括，則該詞語保留，若不包括，則將該詞語與其在搜索詞query中左右兩邊的詞語分別進行組合，替換得到新的詞語；

將所述詞語進行拼音轉換，根據轉換后的拼音查找同音的拼音子詞，獲取對應的詞語子詞，作為每個詞語的候選詞，若沒有查找到同音的拼音子詞，則候選詞為詞語本身；

根據將所述搜索詞query的詞語順序，拼接所述候選詞生成候選句子；

通過結巴分詞對所述候選句子進行排序，排序靠前的候選句子為正確搜索詞query。