[发明专利]一种中文词库的构造方法

权利要求书

1.一种中文词库的构造方法，其特征在于，包括以下步骤：

(1)、将首字相同的词条放到一张哈希表中，相同首字的词条在哈希表中的位置由哈希函数根据构成词条的汉字编码计算出的哈希值确定；

(2)、建立一个数组，该数组的索引值依据词条首字的汉字编码确定，数组元素值指向与索引值相对应的词条首字的哈希表；

(3)、依据词条首字的汉字编码，确定数组索引值，在数组中找到相应的数组元素，找到该词条首字的哈希表，再根据构成词条的汉字编码，用哈希函数计算出的哈希值，确定该词条在哈希表中的位置；

(4)根据词条的位置来对词条进行操作。

2.根据权利要求1所述的中文词库的构造方法，其特征在于，所述的相同首字的词条在哈希表中的位置由哈希函数根据去掉首字后的构成词条的汉字编码计算出的哈希值确定。

3.根据权利要求2所述的中文词库的构造方法，其特征在于，所述的哈希函数为：

Hash()=Σi=1n(gb[i][0]*1000+gb[i][1])]]>

其中，n表示词条去掉首字后的字数，gb[i][0]和gb[i][1]分别表示第i个汉字的GB码的高位值和低位值。

4.根据权利要求2所述的中文词库的构造方法，其特征在于，所述的哈希函数为：

Hash()=Σi=1n(gb[i][0]*1000+gb[i][1])+seq]]>

其中，n表示词条去掉首字后的字数，gb[i][0]和gb[i][1]来表示第i个字的GB码的高位和低位，Seq为解决冲突时的序列号。

5.根据权利要求1所述的中文词库的构造方法，其特征在于，所述的数组为二维数组，词条首字GB码的高位和低位作为该二维数组的索引值。

6.根据权利要求1所述的中文词库的构造方法，其特征在于，所述的中文词库在磁盘上的存储使用汉字GB码，将首字相同的词条放到文本的同一行中，其数据结构包括首字、词条数量、是否能单独成词标记以及各个词条，各个词条之间用特殊符号隔离。

7.根据权利要求1所述的中文词库的构造方法，其特征在于，所述的数组元素值为存储哈希表的首地址。