[发明专利]一种文本模糊匹配方法和装置

权利要求书

1.一种文本模糊匹配方法，其特征在于，包括：

获取待模糊匹配词；

基于所述待模糊匹配词从预设词集合中确定目标分词，其中，所述预设词集合包括至少一个分词，所述目标分词的词前缀包含所述待模糊匹配词，且所述目标分词的第一相邻分词的词前缀不包含所述待模糊匹配词；

基于所述目标分词和映射关系对，获取所述目标分词对应的目标文档标识，所述目标文档标识对应的文档包含所述目标分词，所述映射关系对包括分词与文档标识之间的映射关系；

将所述目标文档标识添加到所述待模糊匹配词的模糊匹配集中，所述模糊匹配集包括所述待模糊匹配词匹配的文档标识；

基于所述目标分词的第二相邻分词，更新所述模糊匹配集；

基于更新后的模糊匹配集，获取所述待模糊匹配词的模糊匹配结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述目标分词的第二相邻分词，更新所述模糊匹配集，包括：

当所述目标分词的第二相邻分词的词前缀包含所述待模糊匹配词时，基于所述映射关系对，获取所述目标分词的第二相邻分词对应的文档标识；

将所述目标分词的第二相邻分词对应的文档标识添加到所述模糊匹配集中；

将所述目标分词的第二相邻分词作为新的目标分词，返回执行所述基于所述映射关系对，获取所述目标分词的第二相邻分词对应的文档标识的步骤，直到所述目标分词的第二相邻分词的词前缀不包含所述待模糊匹配词。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对原始文本进行分词处理，得到所述原始文本的至少一个分词；

基于所述分词的字节，从所述分词中截取至少一个词后缀；

获取所述词后缀对应的文档标识，所述文档标识对应的文档包含所述词后缀；

建立所述分词和所述文档标识之间的映射关系，得到所述分词的映射关系对。

4.根据权利要求3所述的方法，其特征在于，所述基于所述分词的字节，从所述分词中截取至少一个词后缀，包括：

基于所述分词的字节，从所述分词中截取至少一个词后缀，所述词后缀的字节长度不小于预设字节长度。

5.根据权利要求3所述的方法，其特征在于，所述建立所述分词和所述文档标识之间的映射关系，得到所述分词的映射关系对，包括：

对所述分词的各个词后缀对应的文档标识进行融合，得到所述分词对应的文档标识集；

建立所述分词和所述文档标识集之间的映射关系，得到所述分词的映射关系对。

6.根据权利要求3所述的方法，其特征在于，所述建立所述分词和所述文档标识之间的映射关系，得到所述分词的映射关系对之后，还包括：

根据各个分词的预设排列顺序，将所述分词对应的映射关系对存储于多级存储区；

所述基于所述目标分词和映射关系对，获取所述目标分词对应的目标文档标识，包括：

从所述多级存储区中提取所述目标分词对应的映射关系对，基于提取的映射关系对，获取所述目标分词对应的目标文档标识。

7.根据权利要求6所述的方法，其特征在于，所述根据各个分词的预设排列顺序，将所述分词对应的映射关系对存储于多级存储区，包括：

从多级存储区中确定需要存储映射关系对的当前存储区；

根据各个分词的预设排列顺序，将所述分词对应的映射关系对存储于所述当前存储区；

在所述当前存储区满足预设条件时，则将所述当前存储区中存储的映射关系对存储在所述当前存储区的下一级存储区中；

将所述下一级存储区作为所述当前存储区，返回执行所述在所述当前存储区满足预设条件时，则将所述当前存储区中存储的映射关系对存储在所述当前存储区的下一级存储区中的步骤。

8.根据权利要求6所述的方法，其特征在于，所述基于所述待模糊匹配词从预设词集合中确定目标分词，包括：

根据多级存储区的每一级存储区中的分词的预设排列顺序和所述待模糊匹配词，从每一级存储区的预设词集合中确定目标分词。