[发明专利]一种汉语文本检索方法及汉语文本检索装置

摘要

本发明的实施例公开一种汉语文本检索方法及汉语文本检索装置。汉语文本检索方法包括获取用户输入的搜索字符串；查询预先设置的映射库，所述映射库存储有各汉字分别映射的等价字符集，将搜索字符串映射为由等价字符集为元素的搜索串，所述等价字符集为汉字自身及其对应的异体字、和/或，简体字、和/或，繁体字、和/或，通假字集合或该集合的子集；依据获取的所述等价字符集为元素的搜索串检索汉语文本库，得到与用户输入的搜索字符串相匹配的多种汉字等价形式检索结果。应用本发明，可以无需用户具备汉字各种变体形式的知识，并提升检索效率。

主权项

一种汉语文本检索方法，其特征在于，该方法包括：获取用户输入的搜索字符串；查询预先设置的映射库，所述映射库存储有各汉字分别映射的等价字符集，将搜索字符串映射为由等价字符集为元素的搜索串，所述等价字符集为汉字自身及其对应的异体字、和/或，简体字、和/或，繁体字、和/或，通假字集合；依据获取的所述等价字符集为元素的搜索串检索汉语文本库，得到与所述用户输入的搜索字符串相匹配的多种汉字等价形式检索结果；其中，所述映射库中还设置有等价字符集映射的等价字符集编码；其中，所述等价字符集可编码为该字符集中的任选的某一代表性汉字编码，或者另选统一编码中专用区对应的字符编码、补充专用区‑A对应的字符编码以及补充专用区‑B对应的字符编码；其中，所述依据获取的所述等价字符集为元素的搜索串检索汉语文本库，得到与所述用户输入的搜索字符串相匹配的多种汉字等价形式检索结果包括：将汉语文本库中的文本逐字按照映射库中该字映射的等价字符集编码进行转换，得到编码的汉语文本库；从编码的汉语文本库中，查询与获取的所述等价字符集映射的等价字符集编码相匹配的编码，并将相匹配的编码对应的汉语文本作为检索结果；其中，所述方法进一步包括：在等价字符集中存储汉字自身及其对应的异体字、和/或，简体字、和/或，繁体字、和/或，通假字的集合或该集合的子集；其子集特征在于根据用户的需求，考虑汉字及其存在的异体字字形，简繁体字形，通假字形式，或者仅考虑上述各种形式的任意多种形式的组合，最小子集为汉字本身构成的集合，最大子集为汉字及其所有形式的集合。