[发明专利]一种基于中文检索的分词方法及装置

权利要求书

1.一种基于中文检索的分词方法，其特征是，通过由中央处理器、输入输出设备、寄存器、机器词典、存储器组成的装置对中文字串S=C₁C₂C₃C₄…C_n进行分词，包括以下步骤：

(1) 中央处理器从输入输出设备读入中文字串S=C₁C₂C₃C₄…C_n，放入寄存器中；

(2) 从寄存器中取出S中的第一个字C₁，在机器词典中匹配查找是否存在以C₁为前缀的词，如果有，在存储器中保存为成词标记；

(3) 再从S中取出下一个字C₂，和机器词典进行匹配，判断是否存在以C₁C₂为前缀的词；

(4) 如果不存在，则将C₁从字串S中切分出来，保存在存储器中，一次分词结束；

(5) 如果存在，则再判断一下C₁C₂是否成词，计算以C₁C₂为前缀的词的个数n；

(6) 如果n=0，则一次分词结束；

(7) 如果n不为0，则再从S中取出一个字C_i，和词典进行匹配，判断是否存在以C₁C_2…C_i为前缀的词；

(8) 如果存在，则转到(7)；

(9) 如果不存在，则将C₁C_2…C_i-1从字串S中切分出来，保存在存储器中，一次分词结束；

(10)从字串S的字C_i开始继续进行分词，重复上述步骤，直到字串S正向切分结束；

(11) 从寄存器中取出S中的最后一个字C_n，在机器词典中匹配查找是否存在以C_n为后缀的词，如果有，在存储器中保存为成词标记；

(12) 再从S中取出一个字C_n-1，和机器词典进行匹配判断是否存在以C_n-1 C_n为后缀的词；

(13) 如果不存在，则将C_n从字串S中切分出来，保存在存储器中，一次分词结束；

(14) 如果存在，则再判断一下C_n-1C_n是否成词，计算以C_n-1C_n为后缀的词的个数n；

(15) 如果n=0，则一次分词结束；

(16) 如果n不为0，则再从S中取出一个字C_i，和机器词典进行匹配判断是否存在以C_i…C_n-1C_n为后缀的词；

(17) 如果存在，则转到(16)；

(18) 如果不存在，则将C_i+1…C_n-1C_n从字串S中切分出来，保存在存储器中，一次分词结束；

(19) 从字串S的字C_i开始继续进行分词，重复上述步骤，直到字串S逆向切分结束；

(20) 将保存在存储器中的分词结果通过输入输出设备输出。