[发明专利]基于模式匹配的汉语错别字识别方法及系统

权利要求书

1.一种基于模式匹配的错别字识别方法，其特征在于：包括步骤：

S1.根据语言的结构特征，定义错别字识别模式；

S2.基于图存储结构建立错别字识别模式的索引；

S3.通过错别字识别模式的索引对待查错文本进行自动查错和自动纠错；

步骤S1.根据汉语的语法结构和语义限制特征，建立错别字识别模式，包括设置识别匹配条件并关联语义操作作为识别规则，形成所述错别字识别模式；

所述识别匹配条件由限制函数搭配构成；

识别模式的结构包括：

Rule1：NOTCONTAIN(S,目标词)NOTENDWITH(S,！标点符号)MATCHED(S，！某类词1*！某类词2)→OK(目标词)；

Rule2：NOTCONTAIN(S,某词类1)NOTENDWITH(S,目标词*！某词类2)→MARK(目标词)；

Rule3：NOTCONTAIN(S,某词类1)MATCHED(S,目标词*！某词类2)→REWRITE(目标词,正确词)；

其中，*表示中间隔开任意多个字符；表示与；→表示前面的匹配条件关联其后的语义操作；

限制函数包括：

NOTCONTAIN(S,W|！WORDClASS1)，用于判断待查错句子“S”是否包含目标词“W”或词类“WORDCLASS1”，如果不包含则返回TRUE，否则返回FALSE；

NOTENDWITH(S,W|！WORDClASS1)，用于判断待查错句子“S”是否以目标词“W”或词类“WORDClASS1”结尾，若否，返回TRUE，否则返回FALSE；

MATCHED(S,W|！WORDClASS1)用于判断待查错句子“S”是否匹配目标词“W”或词类“WORDClASS1”,如果匹配成功返回TRUE，否则返回FALSE；

限制函数的搭配通过连接符完成；

步骤S1.设置识别匹配条件并关联语义操作中，语义操作包括：

OK(目标词)：表示如果待查错句子满足识别匹配条件，该“目标词”是正确的；

MARK(目标词)：表示如果待查错句子满足识别匹配条件，该“目标词”可能错误并进行标记；

REWRITE(目标词,正确词)：表示如果待查错句子满足识别匹配条件，该“目标词”是错误的，包含错别字，“正确词”是对应的正确的词，自动进行替换。

2.根据权利要求1所述的基于模式匹配的错别字识别方法，其特征在于：所述步骤S2.基于图存储结构建立错别字识别模式的索引，包括

S21.通过代码定义图结构；

S21.通过代码定于图结构中的参数。

3.根据权利要求1所述的基于模式匹配的错别字识别方法，其特征在于：所述步骤S3.通过错别字识别模式的索引对待查错文本进行自动查错和自动纠错，包括：

S31.对待查错句子进行分词并对每个位置的词进行标记；

S32.依次过滤待查错句子中的词，如果达到句子的末尾，则退出查错，否则转向S33；

S33.将待查错句子中的词和错别字识别模式索引进行匹配，如果匹配成功，将匹配的结果放入临时数组中；

S34.对临时数组中的结果取交集，判断匹配成功的元素个数是否等于匹配规则的长度，将有长度相等的规则索引号放入到最终数组；所述规则的长度是以规则中的“”为分割符判断；

S35.依次遍历最终数组中的每一条规则，看匹配成功的规则的顺序是否和规则一致，如果规则一致，则匹配成功；

S36.匹配成功后，根据错别字识别模式的后件执行语义操作；

S37.输出查错结果，当前句子查错结束。

4.一种基于模式匹配的错别字识别系统，其特征在于：包括处理器和存储器，存储器中存储有程序，程序被处理器运行时，执行如下步骤：

S1 .根据语言的结构特征，定义错别字识别模式；

S2 .基于图存储结构建立错别字识别模式的索引；

S3 .通过建立的索引结构对待查错文本进行自动查错和自动纠错；

步骤S1.根据汉语的语法结构和语义限制特征，建立错别字识别模式，包括设置识别匹配条件并关联语义操作作为识别规则，形成所述错别字识别模式；

所述识别匹配条件由限制函数搭配构成；限制函数包括

NOTCONTAIN(S,W|！WORDClASS1)，用于判断待查错句子“S”是否包含目标词“W”或词类“WORDCLASS1”，如果不包含则返回TRUE，否则返回FALSE；

NOTENDWITH(S,W|！WORDClASS1)，用于判断待查错句子“S”是否以目标词“W”或词类“WORDClASS1”结尾，若否，返回TRUE，否则返回FALSE；

MATCHED(S,W|！WORDClASS1)用于判断待查错句子“S”是否匹配目标词“W”或词类“WORDClASS1”,如果匹配成功返回TRUE，否则返回FALSE；

限制函数的搭配通过连接符完成；

所述设置识别匹配条件并关联语义操作中，语义操作包括：

OK(目标词)：表示如果待查错句子满足识别匹配条件，该“目标词”是正确的；

MARK(目标词)：表示如果待查错句子满足识别匹配条件，该“目标词”可能错误并进行标记；

REWRITE(目标词,正确词)：表示如果待查错句子满足识别匹配条件，该“目标词”是错误的，包含错别字，“正确词”是对应的正确的词，自动进行替换。