[发明专利]一种笔画编码结合汉字点阵的形近字分类方法

权利要求书

1.一种笔画编码结合汉字点阵的形近字分类方法，其特征在于，包括以下步骤：

步骤一、统计笔画编码表中所有笔画结构出现的频度，将出现次数低于10次的笔画结构滤除并排序，将包含相应笔画结构的汉字组成一个集合对应于此笔画结构，由此得到若干个汉字集合；

步骤二、对步骤一得到的汉字集合进行筛选，滤除编码长度小于4的笔画结构对应的汉字集合，将剩余的汉字集合添加到形近字数据库中，每个集合生成一张形近字表；

步骤三、对步骤二得到的汉字集合中的汉字进行点阵比较并计算平均相似度，求所有汉字的相似平均度的平均值，将低于平均值80％对应的汉字滤出，得到处理后的汉字集合，将其以步骤二中相同的方法保存到形近字数据库中。

2.根据权利要求1所述的笔画编码结合汉字点阵的形近字分类方法，其特征在于：所述步骤三种汉字点阵比较采用对位比较的方法，计算得到两个汉字的相似度，将点阵表示为由0，1表示的16×16矩阵，有汉字笔画的位置为1，反之为0，相似度计算公式如下：

其中，i，j为一个汉字集合中两个汉字的标号，X_ij表示两个汉字的相似度，m代表矩阵的行，n代表矩阵的列，W_imn代表汉字i的m行n列的值，W_jmn代表汉字j的m行n列的值。

3.根据权利要求1或2所述的笔画编码结合汉字点阵的形近字分类方法，其特征在于：所述步骤三中汉字集合中每个汉字的平均相似度计算如下：

其中，S_n代表字n的平均相似度，i代表字i，n代表字n，L_i代表字i的笔画编码长度，L_n代表字n的笔画编码长度，X_in代表两个字的相似度，N代表集合中除去字n的字的总数。