位标记字符串检索技术

摘要

本发明是一种字符串检索技术，以一个位(bit)对应若干个字符元，以n个位对应全部字符元，也就是分全部字符元为n组，并用一个数据的n个均为0的位，记为W，来标记组字符串的字符元信息。如果字符串S的一个字符元P₁属于第n组，则将W相应的第n个位标记为1，类似地，根据S其它字符元P₂、P₃、P₄…所属的组对W进行标记，完成全部字符元标记后的W，记录有S的信息，称为S的“位值”，这种方式称为1标记。根据逻辑代数的原理，也可用一个数据的n个均为1的位，记为，来标记组成字符串的字符元信息。如果S的一个字符元P属于第n组，则将数据相应的第n个位标记为0，这种方式称为0标记。通过对S_a的“位值”W_a、_a与S_b的“位值”W_b、_b进行比较，可以判断S_b不包含、包含或可能包含检索关键词S_b的所有字符元。例如，对W_a与W_b进行位蕴含运算，如果所有的位都有蕴含关系，则S_b包含或可能包含“S_a的所有字符元”。如果需要，再用字符逐位比较方法判断S_b是否包含“S_a”。位标记既可用于通常意义的检索，即判断数据库字符串是否包含关键词，也可以作“逆检索”，就是判断关键词是否包含数据库字符串，可用于语音输入、拼音输入及汉语分词中，匹配基本句型或词语。如果可用于标记的位数n，是字符串的平均长度m的2倍以上，可以用数个位(bit)的组合对应一组字符元进行标记，可以提高筛选效率，称为多位标记。多位标记，同样可用字符逐位比较方法最终判断字符串S_b是否包含“S_a”。位标记字符串检索技术作为一种字符串算法，不仅可用于数据库的字符串查找，也可用于各种数据结构的字符串查找。

主权项

1.一种字符串糊检索技术，其特征在于：W指一个数据的n个均为0的位(bit)，用W来标记构成字符串的字符元信息，以其中j个位(j＝1，2，3，…)为一个组合，则共有个位的组合，相应地分全部字符元为组，以一个位的组合对应一组字符元，进行标记。如果若干个字符串S的一个字符元P₁属于第r组，则将W的构成第r个位的组合的j个位标记为1，类似地，根据S的其它字符元P₂、P₃、P₄…所属的组对W进行标记，完成全部字符元标记后的W，记录有S的字符元信息，称为若干个字符串S的“位值”，此种方式称为1标记。W指一个数据的n个均为1的位(bit)，用W来标记构成字符串的字符元信息，以其中j个位(j＝1，2，3，…)为一个组合，则共有个位的组合，相应地分全部字符元为组，以一个位的组合对应一组字符元，进行标记。如果若干个字符串S的一个字符元P₁属于第r组，则将W的构成第r个位的组合的j个位标记为0，类似地，根据S的其它字符元P₂、P₃、P₄…所属的组对W进行标记，完成全部字符元标记后的W，记录有S的字符元信息，称为若干个字符串S的“位值”，此种方式称为0标记。记Sa的1标记“位值”为W_a，记S_a的0标记“位值”为W_a，记S_b的1标记“位值”为W_b，记S_b的0标记“位值”W_b，下面方法均可用于字符串比较：或者，I.S_a和S_b均用1标记，以W_a与W_b进行比较，如果所有W_a为1的位，W_b相应的位也为1，则S_b包含(含等于，下同)或可能包含S_a的所有字符元。或者，II.S_a和S_b均用0标记，以W_b与W_a进行比较，如果所有W_b为1的位，W_a相应的位也为1，则S_b包含或可能包含S_a的所有字符元。或者，III.S_a用1标记而S_b用0标记，以W_a与W_b进行比较，如果W_b与W_a所有相应的位，不同时为1，则S_b包含或可能包含S_a的所有字符元。或者，IV.S_a用0标记而S_b用1标记，以W_a与W_b进行比较，如果W_a与W_b所有相应的位，不同时为0，则Sb包含或可能包含S_a的所有字符元。