[发明专利]一种基于空间键位的拼音纠错方法及装置

说明书

本发明公开了一种基于空间键位的拼音纠错方法及装置，该方法包括：S1：基于键盘构建二维直角坐标系，并对构成音节的每个字母进行坐标编码；S2：将所有的音节按照各自长度映射到不同的高维空间中，并通过相应的二叉树进行存储；S3：将输入的字符串构建成相应的高维空间的待验证点后，根据待验证点判断字符串是否需要进行纠错，若需要，则执行步骤S4，否则，不做任何操作；S4：在相应的高维空间中查询与待验证点的距离不大于预设的搜索阈值的节点，输出节点对应的音节作为纠错候选项。本发明通过对键盘进行坐标编码，将拼音音节映射到高维空间中，通过二叉树进行存储，比较高维空间中两点之间距离的大小选取出纠错选项，且不需要遍历该高维空间中的所有点。

技术领域

本发明涉及自然语言处理技术领域，特别涉及一种基于空间键位的拼音纠错方法及装置。

背景技术

拼音输入是中文输入方式中最为常见的一种方式，手指键入又是拼音输入的最常见形式，因此，按键错误导致的错误输入成为常态，错误输入大大降低了输入的效率，因此提供能够对拼音输入进行容错的方法非常有必要。

Damerau-Levenshtein莱文斯坦距离是编辑距离的一种。指两个字串之间，由一个转成另一个所需的最少编辑操作次数。允许的编辑操作包括将一个字符替换成另一个字符，插入一个，删除一个字符，或者将两个相邻字符串进行交换。两个字符串a，b的编辑距离为k，指的是字符串a变换到b，需要的最少编辑操作次数为k。

例如，将kitten一字转成sitting：

1.sitten(k→s)[k替换为s]

2.sittin(e→i)[e替换为i]

3.sitting(→g)[末尾添加g]

通常纠错方式会采用Damerau-Levenshtein编辑距离(简称为DL距离)的方式，对编辑距离为1的拼音字符串进行纠错。例如“lmng”纠错为“lang”。

一方面，虽然目前来说，以DL距离为衡量标准的纠错方法能够应对大部分场景，但是，对于DL距离一致的多个纠错选项是无法有优先级区分效果的。例如，对于用户输入的字符串″lpng″，DL距离为1的纠错选项为″lang″，″ling″，″long″，最合适的纠错选项是没有办法确定的。同时，对于不满足DL距离为1的字符串，则无法实现错误识别和纠正。因为如果DL距离大于1，则纠错方案会剧烈膨胀。

另一方面，在实际情况中，由于用户的输入设备长期广泛的保持一致，都以键盘输入为主，不管是个人电脑上的物理键盘，还是移动设备上的虚拟键盘，都是由多个手指进行键入。由于输入者不同手指的灵活度不一致性等原因，会出现部分手指更加容易出错的可能，所以大量的错误输入都是因为相邻键位的按键点击错误造成的，例如a误按为s，b误按为n等。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种基于空间键位的拼音纠错方法及装置，以克服现有纠错技术中，无法在DL距离大于1的情况下，实现良好的错误识别和纠正技术，以及对相邻键位的按键错误无法进行有效识别和处理等问题。

为解决上述一个或多个技术问题，本发明采用的技术方案是：

一方面，提供了一种基于空间键位的拼音纠错方法，所述方法包括如下步骤：

S1：基于键盘构建二维直角坐标系，并对构成音节的每个字母进行坐标编码；

S2：将所有的音节按照各自长度映射到不同的高维空间中，并通过相应的二叉树进行存储；

S3：将输入的字符串构建成相应的高维空间的待验证点后，根据所述待验证点判断所述字符串是否需要进行纠错，若需要，则执行步骤S4，否则，不做任何操作；