发明名称 | 一种用于文本或网络内容分析的多关键词匹配方法 | ||
摘要 | 本发明涉及一种用于文本或网络内容分析的多关键词匹配方法,属于文本或网络内容处理技术领域。首先根据待匹配的关键词,建立以状态为节点的有限状态自动机,并记录关键词中的字符;根据字符对上述有限状态自动机进行转换,得到以字符为节点的有限状态自动机,节点总数为m+1,m为上述关键词中的字符数;将待匹配的文本或网络数据流作为以字符为节点的有限状态自动机的输入,与关键词进行匹配。本发明方法与已有的AC方法相比,没有引入任何附加计算。当关键词集合中所出现的字符数量少于最大可能字符数时,可以大大降低内存空间消耗。 | ||
申请公布号 | CN1801152A | 申请公布日期 | 2006.07.12 |
申请号 | CN200610000801.3 | 申请日期 | 2006.01.13 |
申请人 | 清华大学 | 发明人 | 余建明;李军 |
分类号 | G06F17/30(2006.01) | 主分类号 | G06F17/30(2006.01) |
代理机构 | 北京清亦华知识产权代理事务所 | 代理人 | 罗文群 |
主权项 | 1、一种用于文本或网络内容分析的多关键词匹配方法,其特征在于该方法包括以下步骤:(1)根据待匹配的关键词,建立以状态为节点的有限状态自动机,并记录关键词中的字符;(2)根据上述字符对上述有限状态自动机进行转换,得到以字符为节点的有限状态自动机,节点总数为m+1,m为上述关键词中的字符数,将所有节点的地址存储为一个索引表;(3)将待匹配的文本或网络数据流作为上述以字符为节点的有限状态自动机的输入,与关键词进行匹配。 | ||
地址 | 100084北京市海淀区清华园 |