[发明专利]一种基于关键词字典树检索的中文AC自动机工作方法

摘要

本发明公开了一种基于关键词字典树检索的中文AC自动机工作方法，包括：获取所有关键词，并根据所有关键词建立关键词字典树；在关键词字典树中建立并初始化检索指针；获取待检测文章，将文章编码，建立并初始化文章指针；判断当前文章指针与当前检索指针的任一子节点是否匹配并由此移动文章指针与检索指针；判断当前检索指针的匹配子节点是否为终止节点并由此移动文章指针与检索指针；使文章指针扫过整篇文章，统计所有关键词的出现次数。本发明通过使用检索指针在字典树的节点之间移动来将关键词与文章进行比对的技术方案，有效地利用了字典树中具有相同前缀的关键词排布在相邻位置的特性，压缩了中文AC自动机的工作占用空间。

主权项

1.一种基于关键词字典树检索的中文AC自动机工作方法，其特征在于，包括：获取所有关键词，并根据所有所述关键词建立关键词字典树；在所述关键词字典树中建立并初始化检索指针；获取待检测文章，将所述文章编码，建立并初始化文章指针；判断当前文章指针与当前检索指针的任一子节点是否匹配并由此移动文章指针与检索指针；判断当前检索指针的匹配子节点是否为终止节点并由此移动文章指针与检索指针；使文章指针扫过整篇文章，统计所有关键词的出现次数；其中，根据所有所述关键词建立关键词字典树，具体包括：把所有字典树上的节点进行编号，编号顺序为节点的插入顺序，虚根编号为0；利用BFS可逐层求解所有节点的后继状态；所有节点遍历完后，每个节点都有且仅有两条出边，完成关键词字典树的建立；根据所有所述关键词建立关键词字典树，还包括：将所有所述关键词按字符排列顺序加入所述字典树中；为所述字典树中的每个非虚根节点加入前缀指针，若被指定的所述非虚根节点为虚根的子节点，则为被指定的所述非虚根节点加入一根指向虚根的前缀指针；为所述字典树中的每个非虚根节点加入失败指针。