一种新的基于汉语拼音的全文检索系统

摘要

本发明公开了一种新的基于拼音全文检索的方法，属于全文检索领域。中文全文检索的难点在于语法和语义的复杂性，按着传统的全文检索算法在处理这个问题上都要以词为单位，因此，对中文检索的研究最终转移到对词的研究。根据现有的中文全文检索存在的不足，本发明提出一种新的基于汉语拼音的全文检索技术，不仅解决了避免了中文分词，也比现在存在的检索方法大大加快了系统的检索速度，提高了用户体验度。基于汉语拼音的索引还利用了拼音的声调法则，通过过滤声调压缩索引空间，降低系统的复杂性，间接提升系统的执行效率。

主权项

一种基于拼音的全文检索方法，包括如下步骤：S11：用户输入关键词或词组时，以空格、标点符号、制表符作为分隔符进行分割，提取关键词；用户输入句子、段落时，按照分割时不能破坏句子的完整性和每块不超过64kb大小的原则提取关键词；S12：将提取的关键词存储到检索词集合中，并将每个汉字分别转换为拼音，建立拼音检索词集合；S13：将含有相同的拼音项的物理位置进行合并，按物理位置的数值增序存储；将拼音项进行索引并按字母顺序排序；S14：检索时，接受用户输入的关键词、句子、段落并进行预处理，将汉字转换成拼音，查询拼音索引文件得到检索结果。