一种中文相似性匹配方法

摘要

本发明提供了一种中文相似性匹配方法，利用编辑距离公式及键盘指法规则得到中文对应拼音的编辑相似度，即反应二者在编辑时是否容易混淆，通过汉字声母、韵母的发音规律得到字符串的声母相似度及韵母相似度，同时结合方言或者普通发音中常见的模糊音，计算字符串之间的发音相似度，由于汉字的字形是中文一个重要特征，所以利用字形编码-五笔字型编码计算字符串之间的字形相似度；在计算的同时收集信息，用于更新数据；综合上述相似度得到中文词整体的相似度，充分考虑了中文的拼写惯、用户的输入惯及键盘布局、普通话的发音规则、方言以及常见错误发音的影响、汉字字形等多方面因素，结合统计规律，综合评价中文词之间的相似度。

主权项

一种中文相似性匹配方法，其特征在于，所述方法包括：获取两个待比较的字符串A和B；计算两个字符串A和B在编辑时的相似度；包括：根据正确键盘指法，计算两个字符串A和B的键盘分布相似度；对两个字符串A和B的编辑距离相似度和键盘分布相似度加权求和，获取到两个字符串A和B在编辑时的相似度；建立汉字到拼音的对照表Table1；建立汉字到五笔的对照表Table2；建立汉字词频统计表Table3；建立汉字错误信息统计表Table4；当所获取的两个待比较的字符串A和B为汉字字符串时，对照对照表Table1将字符串转化为拼音字符串；对照对照表Table2将字符串转化为五笔编码；获取两个字符串A和B的发音相似度；获取两个字符串A和B的字形相似度；对照预先建立的汉字词频统计表Table3和汉字错误信息统计表Table4统计两个字符串A和B的词频和错误信息；根据统计结果确定两个字符串A和B编辑时的相似度、发音相似度以及字形相似度的权值，计算获取到两个待比较的中文字符串A和B的匹配度。