[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

本說明書實施例提供了一種基于字典的搜索詞query糾錯方法及系統，其中，方法包括：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。提高能夠搜索引擎的糾錯效率和準確率，節省用戶的查詢時間。

技術領域

本文件涉及信息檢索技術領域，尤其涉及一種基于字典的搜索詞query糾錯方法及系統。

背景技術

隨著互聯網的普及，互聯網上的信息也越來越豐富，現在人們通過搜索引擎可以便捷的獲取自己想要的信息，信息檢索是當下獲取和查詢信息最重要的途徑之一。但信息檢索在給用戶獲取信息帶來便利的同時，還存在一些不足，比如用戶在進行檢索時由于疏忽或其他原因，輸入了錯誤的檢索語句(query)，比如，出現一些同音的字形錯誤、拼音錯誤導致的輸入錯誤或者輸入時漏字等，當用戶輸入錯誤的檢索語句時，信息檢索系統返回的信息可能會偏離用戶的真實意圖，從而影響了用戶體驗。這樣就要求搜索引擎能夠對用戶輸入的錯誤query進行識別，同時將錯誤的部分糾正成用戶需要的query。

現有的搜索引擎對query進行錯誤檢測時，主要通過字典檢測、統計檢測和神經網絡檢測等方法，對于統計檢測和神經網絡檢測，都依賴于用戶的歷史記錄，在項目前期的過程中，很難收集到用戶歷史記錄；基于字典的錯誤檢測，目前常用的有困惑詞語黑字典、正確詞語白字典等，檢測出錯誤時，一般選擇檢出的錯字的同音、近音、同形的字作為候選，然后經過排列組合，根據統計方法判斷最終的正確字，這樣做的缺點是由于同音或者形近字較多，在糾錯時候選較多，計算時間復雜度較高，使得糾錯效率和準確率都較低。

發明內容

本說明書一個或多個實施例提供了一種基于字典的搜索詞query糾錯方法，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。

本說明書一個或多個實施例提供了一種基于字典的搜索詞query糾錯系統，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。

本說明書一個或多個實施例提供了一種電子設備，包括：

處理器；以及，

被安排成存儲計算機可執行指令的存儲器，所述計算機可執行指令在被執行時使所述處理器：

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。

本說明書一個或多個實施例提供了一種存儲介質，用于存儲計算機可執行指令，所述計算機可執行指令在被執行時實現以下流程：

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。