[发明专利]一种标准检索智能分词方法

说明书

技术领域

本发明涉及一种智能检索领域，具体地讲，涉及一种标准检索智能分词方法。 

背景技术

 随着科学技术的发展，生产的社会化程度越来越高，生产规模越来越大，技术要求越来越复杂，分工越来越细，生产协作越来越广泛，这就要求必须通过制定和使用符合国家或国际规定的标准，来保证各生产部门的活动，在技术上保持高度的统一和协调，从而保障生产的正常进行，获得最佳经济和社会效益，并为促进技术进步，产业结构调整，产品升级换代和产品质量提高等提供全方位的标准支持。 

在以往采用数据库的系统中，通过sql查询操作难以得到用户所需的标准。目前，使用的标准数量已经达到千万级别的、甚至更高的海量级别。在大众对标准不熟悉，查询不准确的情况下，提供准确的查找或者相似的标准，成为一个急需解决的难题。    

针对标准数量众多、用户对标准不熟悉，查询所需标准效率低等问题，引入有限状态机和记忆规则原理，提出解决该海量标准数据检索问题的一个算法，对用户的查询进行相关的智能提示或推荐，简单、快速挖掘用户所需标准，有效提高了查询效率。

发明内容

本发明要解决的技术问题是提供一种标准检索智能分词方法，满足用户的查询需要，提高用户的标准检索速度。 

本发明采用如下技术方案实现发明目的： 

一种标准检索智能分词方法，其特征在于，包括如下步骤：

（1）对输入的字符串的进行规范化预处理；

（2）判断当前输入的字符串是否为编号，如果输入的是编号，转步骤（3），反之，转步骤（4）；

（3）判断是否到字符串的末尾，如果不是到字符串末尾，则判断当前字符和上一个字符是否为同一类，同类则直接归并到上一个字符所在的组中，形成词段，否则创建新组，并将新组加入到组链中，并将该字符计入新组，组成另一个词段，循环上述操作直到字符串末尾为止，如果是字符串末尾，则针对生成出来的组链，转步骤（5）； 

（4）采用基于词典的方式处理，形成分词并存储；

（5）根据得到的组链，采用基于记忆规律的分词组合方式，依次利用分词规则形成分词，并且在去重过滤后进行存储。

作为对本技术方案的进一步限定，所述分词规则具体包括简单词的分词组合、相连词的分词组合、相连词的模糊组合和全词组合。 

与现有技术相比，本发明的优点和积极效果是：本发明根据用户输入的检索条件，经过预处理、分词等处理过程，形成检索条件，然后利用检索引擎，匹配出符合条件的记录，从而反馈给用户检索结构。本发明利用空间维度换取时间维度，实时反馈查询结果，以便最快速的满足用户的检索请求，提高平台和用户的交互性。 

附图说明

图1为本发明优选实施例的流程图。 

具体实施方式

下面结合附图和优选实施例对本发明作更进一步的详细描述。 

标准编号： 由标准化组织制定的符合国家或国际标准的具有唯一性的、用以记录各种标准的代号，称为标准编号。 

标准编号有国际标准编号和我国的国家标准编号两种。国际及国外的标准编号形式各异，但基本结构为：标准代号+专业代号+顺序号+年代号。 我国的标准编号由标准代号、标准发布顺序和标准发布年代号构成。 

标准查询：

根据标准组织代号、标准顺序号、标准名称、适用范围、中标分类号、标准年代号、ICS分类号等检索条件进行模糊检索。查询结果显示标准号、标准名称、实施日期、标准状态、页数、前言、引言、预览按钮等。

预处理：

对输入的字符串进行规范化的预先处理，如：去除字符串中的首尾空格、回车、换行符、制表符等，并将所有小写字母转化成大写字母，这个处理过程称为预处理；在系统构建索引、用户查询时均先进行该步骤，以便规范化系统、用户的输入。

词段：

在输入字符串判断是否为编号中，根据依次输入的字符是否为同一类进行划分，把同类的字符放入一组，形成一个子字符串，称之为词段。由多个字符组成字符串，在是否为同一词段的判断过程中，若当前字符和上一字符同类，则放到同一个词段中。例如字符串SJZ1162013，首先输入字符串S，因为是第一个字符，直接放入一组，再次输入J时，就开始判断当前字符J是否和上一字符S是否为同类，从而决定是否放入同一词段中。按字符是英文字母和阿拉伯数字分类，SJZ1162013会分为SJZ和1162013两个词段。

组链：