數字串模糊匹配的方法
2023-05-19 10:08:46 1
專利名稱：數字串模糊匹配的方法
技術領域：
本發明涉及計算機模糊搜索技術，更具體地說，涉及一種數字串模糊匹配的方法。
背景技術：
目前的主要搜尋引擎的模式都是，用戶輸入一些關鍵字或者句子，無論是那種，搜尋引擎都會首先對用戶的輸入進行分詞，這樣可以增加搜索結果的準確性，這是和普通資料庫搜索的不同點(普通的資料庫搜索，只是簡單的用like％關鍵字％)，然後搜尋引擎去海量的索引庫去查找這些和用戶輸入相關的信息，顯示的結果會包含網頁的相關摘要。
中文搜尋引擎相關的技術包含網絡蜘蛛，中文分詞，索引庫，網頁摘要的提取，網頁相似度，信息的分類。
眾所周知，英文是以詞為單位的，詞和詞之間是靠空格隔開，而中文是以字為單位，句子中所有的字連起來才能描述一個意思。例如，英文句子I am astudent，用中文則為「我是一個學生」。計算機可以很簡單通過空格知道student是一個單詞，但是不能很容易明白「學」、「生」兩個字合起來才表示一個詞。把中文的漢字序列切分成有意義的詞，就是中文分詞(或稱為切詞)。我是一個學生，分詞的結果是我是一個學生。中文分詞的準確與否，常常直接影響到對搜索結果的相關度排序。
現有的搜尋引擎一般使用分詞算法，實際應用的統計分詞系統都要使用一部基本的分詞詞典(常用詞詞典)進行串匹配分詞。這種分詞方法是通過讓計算機模擬人對句子的理解，達到識別詞的效果。其基本思想就是在分詞的同時進行句法、語義分析，利用句法信息和語義信息來處理歧義現象。
但是，現有的分詞技術，一般是針對中文的，而沒有專門針對數字串的「分詞」的匹配算法；而且，現有的分詞技術需要通過查找詞典進行分詞，速度較慢；另外，現有的分詞技術沒有考慮每個詞之間的順序關係，而是分割成相互之間比較獨立的詞，沒有保存原材料的詞順序關係。
發明內容
本發明要解決的技術問題在於，針對現有技術的上述現有的分詞技術缺陷，提供一種數字串模糊匹配的方法，可以對數字串進行分詞並進行模糊匹配。
本發明解決其技術問題所採用的技術方案是構造一種數字串模糊匹配的方法，可應用於即時通信中，包括以下步驟a.將用戶輸入的數字串進行分詞；b.根據所述分詞得到的新詞與號碼庫裡的詞進行模糊匹配；c.根據所述模糊匹配得到的號碼包含所述新詞中數字的數量，對所述模糊匹配得到的號碼進行排序，並將其返回給所述用戶。
本發明所述的方法中，在所述步驟a之前進一步包括對所述號碼庫裡的號碼進行分詞。
本發明所述的方法中，所述分詞的方法具體包括從用戶輸入的數字串的第一位開始，按照預設長度進行移位分割，生成多個新詞。
本發明所述的方法中，所述步驟b進一步包括將所述分詞得到的新詞加上不同的係數，用於在排序時作為權重。
本發明所述的方法中，所述步驟c中，所述排序的方法具體包括若所述模糊匹配得到的號碼包含所述新詞中數字的數量越多，則所述模糊匹配得到的號碼的排序則越靠前。
本發明所述的方法中，所述步驟c進一步包括將所述模糊匹配得到的號碼按照排序的先後，選取預設個號碼返回給所述用戶。
本發明所述的方法中，對所述號碼庫的號碼進行分詞的預設長度與對所述用戶輸入的數字串進行分詞的預設長度一樣。
本發明的有益效果是，在號碼庫沒有用戶輸入的號碼時，找出最相似的號碼推薦給用戶，避免了用戶重複查找號碼。同時，也減少了用戶對查詢號碼的請求次數，減輕了系統壓力。
下面將結合附圖及實施例對本發明作進一步說明，附圖中圖1是本發明的數字串模糊匹配的流程圖。
具體實施例方式
為使本發明的目的、技術方案及優點更加清楚明白，以下通過具體實施例並參見附圖，對本發明進行詳細說明。
本發明中，通過將用戶輸入的數字串按照長度進行分割，根據分割出來的詞所處位置加上不同係數，在排序的時候當作權重，排序不同的詞具有不同的權重，一般來說，排序越靠前的，權重越高。
然後，根據分詞得到的詞與號碼庫裡的詞進行匹配，選出包含用戶輸入的數字串(即分割出來的詞)的數量最多的號碼並將其進行排序。
下面參照圖1示出的數字串模糊匹配的流程圖為例進行說明，包括以下步驟步驟S100用戶輸入數字串，如用戶輸入即時通信的ID號碼。
步驟S105對用戶輸入的數字串進行分詞。如將用戶輸入的即時通信ID號碼進行分割，從用戶輸入的數字串的第一位開始，按照預設長度進行移位分割，生成多個新詞。若用戶輸入的號碼為1345679，則可以將其按照長度為5(也可以為其它長度，這個長度可以由系統預先設定，也可以由用戶預先設定)進行分割，如分割為13456、34567、45679三個新詞。
對用戶輸入的號碼進行分割時，可以根據分割出來的詞所處位置加上不同係數，在排序的時候當作權重。如開頭的詞權重較高。該係數可以根據業務特點制定。例如，一般認為如果分割出來的詞的首、尾數字匹配，應該就更好，則係數就會比較高。例如，可以將號碼1234567分割出來的詞12345和34567的係數設置為3，而23456的係數設置為2。
步驟S110根據分詞得到的詞與號碼庫裡的詞進行匹配。但是，預先要將號碼庫(如即時通信的所有ID庫，一般存在伺服器上)裡的所有號碼按照長度為5(也可以為其它長度，這個長度是預先設定的，但是要跟上述對用戶的輸入的分詞長度一樣)進行分割，如將1234567分割為12345、23456、34567三個新詞。
步驟S115按照包含用戶輸入的詞數量(相似係數)對號碼進行排序。如前面所述的1345679和1234567有相同的詞34567，因此這兩個ID的相似係數是3。由於前後分割的詞是有比較多重合的，因此，分出來的詞已經充分考慮了詞與詞之間的順序關係。一般來說，跟用戶輸入數字串最大匹配長度越長的(即相似系統越高)，排序就會越靠前。
步驟120選出包含用戶輸入的詞數量最多的號碼返回給用戶。也就是將相似係數最高的號碼返回給用戶。例如，假設用戶輸入的數字串(即號碼)包含5個新詞W1～W5，其中W1的係數是3，W2~W5的係數是2。號碼庫裡的號碼Q1包含了詞W1、W3；號碼庫裡的號碼Q2包含了詞W2、W4。則號碼Q1跟用戶輸入的數字串相似係數是5(即3+2＝5)，而號碼Q2是4(即2+2＝4)。因此號碼Q1相似係數較高，則返回號碼Q1給用戶。
返回給用戶的號碼個數可以預先設定，例如可以預設設定返回給用戶號碼的個數為10個，那麼系統就會將與用戶輸入的數字串最相似的前10個號碼返回給用戶。
以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均包含在本發明的保護範圍之內。
權利要求
1.一種數字串模糊匹配的方法，可應用於即時通信中，其特徵在於，包括以下步驟a.將用戶輸入的數字串進行分詞；b.根據所述分詞得到的新詞與號碼庫裡的詞進行模糊匹配；c.根據所述模糊匹配得到的號碼包含所述新詞中數字的數量，對所述模糊匹配得到的號碼進行排序，並將其返回給所述用戶。
2.根據權利要求1所述的方法，其特徵在於，在所述步驟a之前進一步包括對所述號碼庫裡的號碼進行分詞。
3.根據權利要求1或2所述的方法，其特徵在於，所述分詞的方法具體包括從用戶輸入的數字串的第一位開始，按照預設長度進行移位分割，生成多個新詞。
4.根據權利要求1所述的方法，其特徵在於，所述步驟b進一步包括將所述分詞得到的新詞加上不同的係數，用於在排序時作為權重。
5.根據權利要求1所述的方法，其特徵在於，所述步驟c中，所述排序的方法具體包括若所述模糊匹配得到的號碼包含所述新詞中數字的數量越多，則所述模糊匹配得到的號碼的排序則越靠前。
6.根據權利要求1所述的方法，其特徵在於，所述步驟c進一步包括將所述模糊匹配得到的號碼按照排序的先後，選取預設個號碼返回給所述用戶。
7.根據權利要求3所述的方法，其特徵在於，對所述號碼庫的號碼進行分詞的預設長度與對所述用戶輸入的數字串進行分詞的預設長度一樣。
全文摘要
本發明涉及一種數字串模糊匹配的方法，可應用於即時通信中，包括以下步驟a.將用戶輸入的數字串進行分詞；b.根據所述分詞得到的新詞與號碼庫裡的詞進行模糊匹配；c.根據所述模糊匹配得到的號碼包含所述新詞中數字的數量，對所述模糊匹配得到的號碼進行排序，並將其返回給所述用戶。本發明在號碼庫沒有用戶輸入的號碼時，找出最相似的號碼推薦給用戶，避免了用戶重複查找號碼。同時，也減少了用戶對查詢號碼的請求次數，減輕了系統壓力。
文檔編號H04L12/58GK101079032SQ200610036119
公開日2007年11月28日 申請日期2006年6月23日 優先權日2006年6月23日
發明者譚文彪 申請人:騰訊科技(深圳)有限公司