【摘要】 本发明提供一种基于中文检索的双向分词方法和装置，能够比较准确地切分中文字串而不丢失其语义，尤其在句子长度较长时分词结果比较准确，有利于提高查询的准确度，可应用于信息检索领域的自动文摘和自动分类系统。 ： 【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】CN201210241471.2 【申请日】2012-07-28 【申请年份】2012 【公开公告号】CN103577391A 【公开公告日】2014-02-12 【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双向分词方法，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；(8)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(14)；当n＞1时，转到步骤(9)；(9) 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最后一个字，记为n-P，其中P=0；(10) 若n-P小于0，则匹配结束，直接转到步骤(14)，当P大于等于M且M大于等于1时，则从n-P的位置开始向前截取长度为M的子串进行匹配，若匹配不成功则转到步骤(11)；若匹配成功则转到步骤(12)；当P小于M且M大于等于1时转到步骤(13); 当M小于1时转到步骤(14); (11) p=p+1，转到步骤(10); (12)将匹配成功的分词取出，存入存储器，P=P+M，转到步骤(10)；(13) M值减1，P=0，转到步骤(10)；(14)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】4.0 【被引证次数】2 【他引次数】4.0 【被他引次数】2.0 【家族引证次数】4.0 【家族被引证次数】2

未经允许不得转载：http://www.zhongzhencnc.com/1790944758.html