[发明专利]一种中文搜索引擎中查询词的拼写校正方法

说明书

技术领域

本发明涉及网络信息处理领域，特别涉及一种中文搜索引擎中查询词的拼写校正方法。

背景技术

随着网络在全球的普及，用户与搜索引擎进行交互的方式主要是：用户将所要寻找的信息转换成几个查询词，再将这些查询词输入到搜索引擎中，由搜索引擎完成信息的检索并提交给用户。

目前，对于中文搜索引擎用户来说，使用英文已经成为越来越不可避免的趋势。大量的软件名、地名以及网络中不断出现的新兴词语很多都需要用英文表达。用英文辅助中文表达用户的检索需求逐渐成为中文搜索引擎用户的一种习惯。然而，在这个过程中如果用户向搜索引擎提交的查询词含有拼写错误，搜索引擎就会按照错误的查询词进行信息的检索，最后的结果是搜索引擎检索不到用户实际需要的信息，或者根本检索不到信息。据统计，输入搜索引擎的查询词中有10％-15％含有拼写错误。对于输入中文搜索引擎的英文查询词，拼写错误的比例要大于15％，这是由于中文搜索引擎用户的母语一般为中文，英文作为非母语出错的可能性要比中文大很多。

另外在中文搜索引擎中，用户输入的英文查询词不完全是英文单词，其中相当一部分是拼音串。出错的拼音串也会影响搜索引擎的检索，导致搜索引擎检索不到用户实际需要的信息。

由于非母语的原因，中文搜索引擎用户的英文输入习惯与英文搜索引擎用户的输入习惯大为不同。许多对于英文搜索引擎来说正确的查询词，对于中文搜索引擎用户来说就是拼写错误。例如“goole”对于中文搜索引擎用户来说应该是查询词“google”(谷歌)的错误形式，而对于英文搜索引擎用户来说“goole”却是一个正确的查询词，指的是英国的一个港口城市。另外，中文搜索引擎用户的拼写错误较英文搜索引擎用户也不尽相同，中文搜索引擎用户的拼写错误的种类更多，形式更加复杂。

输入中文搜索引擎的英文查询词就种类来说可以分为：英文单词与拼音串两种。因此，拼写错误分为英文单词错误与拼音串错误两种。

对于中文搜索引擎用户来说，英文单词错误除了包含一般英文搜索引擎用户的输入错误(即知道如何拼写但输入错误)之外，还包含了更多的因为认知错误引起的拼写错误(即不知道如何拼写而引起的错误)。

引起拼音串错误的原因主要是模糊音与地方方言。表1中列出了一些比较常见的拼音串错误。

表1：模糊音错别字分类

 

类别说明举例平舌音/翘舌音拼音开始声母：c～ch，s～sh，z～zh，(“入党自愿书”，“入党志愿书”)前鼻音/后鼻音拼音最末韵母：an～ang，en～eng，in～ing(”圣斗士新矢”，“圣斗士星矢”)