[发明专利]用于组织和处理基于特征的数据结构的系统和方法

权利要求书

1.一种用于组织和处理语言拼写检查和自动校正中的基于特征的数据结构的系统，包括：

计算机处理器，其被配置为：

基于高频词的共同特征，使用显式划分或隐式划分将原始词典划分为两个或更多个子词典，其中每个子词典的大小都小于原始词典，并且其中，每个子词典中的内容以层次结构树的方式被组织；

接收输入的人类可读文本，该输入的人类可读文本包含一个或多个错误；

由输入的人类可读文本确定子词典选择特征或选择标准；

基于确定的子词典选择特征或选择标准选择子词典；

执行输入的人类可读文本中的错误附近的一个或多个字符、单词或短语与选择的子词典中的字符、单词和短语的第一匹配，其中，如果输入的人类可读文本中的错误附近的一个或多个字符、单词或短语与子词典中的候选匹配字符、单词或短语之间的相似度在相似程度阈值以上，则找到了匹配；

如果找到了唯一匹配，则返回选择的子词典中的唯一匹配的字符、单词或短语作为纠正错误的输出；

否则，如果找到不止一个候选匹配，则利用上升的相似程度阈值执行输入的人类可读文本中的错误附近的一个或多个字符、单词或短语与选择的子词典中的字符、单词和短语的第二匹配；并且重复第二匹配，直到找到唯一匹配，并返回选择的子词典中的唯一匹配的字符、单词或短语作为纠正错误的输出。

2.根据权利要求1所述的系统，其中，所述显式划分包括：

识别原始词典中的字符、单词和短语之间的高频词的所述共同特征；和

根据所识别的高频词的共同特征的差异值，将原始词典中的字符、单词和短语划分为两个或更多个子词典。

3.根据权利要求1所述的系统，其中，隐式划分包括：

使用字符、单词和短语的Unicode值，确定原始词典中的每个字符、单词和短语的向量空间；

确定原始词典中的字符、单词和短语的向量空间的中心值；和

将原始词典中的字符、单词和短语划分成两个或更多个子词典，使得每个子词典包含向量空间中心在特定值范围内的字符、单词和短语。

4.根据权利要求1所述的系统，其中，通过在比较下确定输入的人类可读文本中的错误附近的一个或多个字符、单词或短语与选择的子词典中的字符、单词和短语之间的Unicode差异，来执行第一匹配和第二匹配。

5.一种用于组织和处理语言拼写检查和自动校正中的基于特征的数据结构的方法，该方法包括：

基于高频词的共同特征，使用显式划分或隐式划分将原始词典划分为两个或更多个子词典，其中每个子词典的大小都小于原始词典，并且其中，以层次结构树的方式组织每个子词典中的内容；

接收输入的人类可读文本，该输入的人类可读文本包含一个或多个错误；

由输入的人类可读文本确定子词典选择特征或选择标准；

基于确定的子词典选择特征或选择标准选择子词典；

执行输入的人类可读文本中的错误附近的一个或多个字符、单词或短语与选择的子词典中的字符、单词和短语的第一匹配，其中，如果输入的人类可读文本中的错误附近的一个或多个字符、单词或短语与子词典中的候选匹配字符、单词或短语之间的相似度在相似程度阈值以上，则找到了匹配；

如果找到了唯一匹配，则返回选择的子词典中的候选匹配字符、单词或短语作为纠正错误的输出；

否则，如果找到不止一个候选匹配，则利用上升的相似程度阈值执行输入的人类可读文本中的错误附近的一个或多个字符、单词或短语与选择的子词典中的字符、单词和短语的第二匹配；并且重复第二匹配，直到找到唯一匹配，并返回选择的子词典中的唯一匹配的字符、单词或短语作为纠正错误的输出。

6.根据权利要求5所述的方法，其中，显式划分包括：

识别原始词典中的字符、单词和短语之间的高频词的所述共同特征；和

根据所识别的高频词的共同特征的差异值，将原始词典中的字符、单词和短语划分为两个或更多个子词典。