【摘要】 本发明公开了一种基于中文检索的正向分词方法及装置，涉及计算机网络中网页文字信息处理领域。本发明通过由中央处理器、输入输出设备、寄存器、机器词典、窗口计数器、存储器组成的装置对中文字串S=C1C2C3C4…Cn进行分词。本发明针对单独的正向最大匹配算法存在的问题，在系统尤其是垂直系统中，充分利用专业类环境，在机器词典库中建立专业类词库，首先根据词库中的专有名词的最大长度来确定MAX_Length的值，解决了匹配算法中盲目选择最大长度的问题，并通过正向最大匹配算法结合的方式来构成正向匹配算法，从很大程度上提高检索的精确度。 ： 【专利类型】发明申请 【申请人】江苏新瑞峰信息科技有限公司 【申请人类型】企业 【申请人地址】212051 江苏省镇江市润州区和平路街道桃园新村75号综合楼(文体中心) 【申请人地区】中国 【申请人城市】镇江市 【申请人区县】润州区 【申请号】CN201210241210.0 【申请日】2012-07-13 【申请年份】2012 【公开公告号】CN103544139A 【公开公告日】2014-01-29 【公开公告年份】2014 【IPC分类号】G06F17/27; G06F17/30 【发明人】刘迎春; 魏华峰; 方筠捷 【主权项内容】1.一种基于中文检索的正向分词方法，其特征是，通过由中央处理器、输入输出设备、寄存器、机器词典、窗口计数器、存储器组成的装置对中文字串S=C1C2C3C4…Cn进行分词，包括以下步骤：(1)中央处理器从输入输出设备读入中文字串S=C1C2C3C4…Cn，放入寄存器中, 如果n的值小于等于1，则分词匹配结束，分词结果保存在存储器中，直接转到步骤(7)；当n＞1时，转到步骤(2)；(2) 中央处理器从机器词典中查找最大长度匹配词的值M=MAX_Length，窗口计数器的起始位置为待匹配句子的第一个字，记为j=0；(3)当n-j大于等于M且M大于等于1时，则从j的位置开始在寄存器中向后截取长度为M的子串进行匹配，若匹配不成功则转到步骤(4)，若匹配成功则转到步骤(5)；当n-j小于M且M大于等于1时，转到步骤(6)；当M小于1时，转到步骤(7)；(4) j=j+1，即窗口计数器加1，转到步骤(3); (5)将匹配成功的分词取出，存入存储器，j=j+M，转到步骤(3)；(6) M值减1，j=0，转到步骤(3)；(7)将保存在存储器中的分词结果通过输入输出设备输出。 【当前权利人】江苏新瑞峰信息科技有限公司 【当前专利权人地址】江苏省镇江市润州区和平路街道桃园新村75号综合楼(文体中心) 【专利权人类型】有限责任公司(自然人投资或控股) 【统一社会信用代码】91321111591175696U 【引证次数】2.0 【被引证次数】4 【他引次数】2.0 【被他引次数】4.0 【家族引证次数】2.0 【家族被引证次数】4

未经允许不得转载：http://www.zhongzhencnc.com/1790944577.html