基于拼音索引的中文模糊匹配算法_曹犟.pdfVIP

DOI : 10. 16511 /j . cnki . qhdxxb. 2009. s1. 019 ISSN 1000-0054 () 2009 49 S1 16 /31 CN 11-2223/N 　 J Tsinghua Univ ( Sci Tech) , 2009, V l. 49, N . S1 1328-1332 　 基于拼音索引的中文模糊匹配算法 1, 2 2 2 2 曹　犟 ,　邬晓钧 ,　夏云庆 ,　郑　方 ( 1. , 100084; 2. , 100084) 　: 主流商业搜索引擎主要基于关键词精确匹配技术。为提高在用户的输入错误 的检索效率,提出了有索引 的汉语模糊匹配算法。 该算法采用汉字、拼音和拼音改良的编辑距离这 3种汉字相似程度的不同度量方式,对用户 查询进行扩展,将模糊匹配转化为多 个精确匹配,对精确匹配的结果按与查询串的相似程度进行排序。 在实验中, 将该方法应用于网页文本语料库中。 在使用基于拼音改良的编辑距离度量方式 ,在 间和空间复杂度增长不大 的情况下,该方法取得了60. 42% 的准确率与 50. 4 1% 召回率。 : 文件信息处理; 拼音索引; 模糊匹配; 查询扩展 : T P 39 1. 1　　　: A : 1000-0054( 2009) S1-1328-05 Pinyin-indexed method for approximate matching in Chinese CAO Jiang 1, 2 , WU Xiaoj un 2 , XIA Yunqing 2 , Z HENG Fang 2 ( 1. Department of Computer Science and Technology, Tsinghua University, Beijing 10008 , China; 2. Center for Speech and Language Technologies, Division of Technical Innovation and Development, Tsinghua National Laboratory for Information Science and Technology, Beijing 10008 , China) Abstract: The exact matching f keyw rds is key t p pular c mm ercial search engines. A Chinese appr ximate matching meth d with an index structure was devel ped t achieve better retrieval when the input c ntains err rs. Three types f similarity measurement betw een tw Chinese strings w ere devel ped based n the character edit-distance, the Pinyin edit-distance and the Pinyin impr ved edit-distance. The similarity measurem ents w ere used t expand the user’ s query s that the appr x imate matching task can be represented as several ex act