[发明专利]一种获取英文词的方法及装置

权利要求书

1.一种获取英文词的方法，其特征在于，该方法包括：

获取搜索引擎查询日志并进行分词，获取含有字母串的查询词；

根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词，统计该候选词的词语特征值；

获取候选词中字母串对应的中文词，统计该中文词的词语特征值，获取该中文词的词语特征值与对应候选词的词语特征值的比值，如果该比值小于预先设置的比阈值，则该候选词作为英文词。

2.如权利要求1所述的方法，其特征在于，所述含有字母串的查询词包括：含有英文串的查询词以及含有拼音串的查询词。

3.如权利要求2所述的方法，其特征在于，所述词语特征解析方法包括：词语的搜索次数统计方法以及词语对应的网页点击次数统计方法。

4.如权利要求3所述的方法，其特征在于，所述根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词，包括：

统计获取的各含有字母串的查询词在搜索引擎查询日志中出现的搜索次数；

获取搜索次数大于预先设置的搜索次数阈值对应的含有字母串的查询词，作为初步候选词；

根据初步候选词，统计该初步候选词在搜索引擎查询日志中出现的网页点击次数；

获取网页点击次数大于预先设置的网页点击次数阈值对应的初步候选词，作为候选词输出。

5.如权利要求4所述的方法，其特征在于，所述在获取网页点击次数大于预先设置的网页点击次数阈值对应的初步候选词之后，作为候选词输出之前，进一步包括：

将获取的网页点击次数大于预先设置的网页点击次数阈值对应的初步候选词作为中间候选词；

统计中间候选词在搜索引擎查询日志中出现的混合查询次数；

获取混合查询次数大于预先设置的混合查询次数阈值对应的中间候选词。

6.如权利要求1至5任一项所述的方法，其特征在于，所述提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词的步骤之后，获取候选词中字母串对应的中文词的步骤之前，进一步包括：

根据拼音构成规则对候选词进行识别；

如果候选词不符合拼音构成规则，直接将其作为英文词；

如果候选词符合拼音构成规则，执行获取候选词中字母串对应的中文词的步骤。

7.一种获取英文词的装置，其特征在于，该装置包括：查询词选取模块、词语特征匹配模块以及英文词特征匹配模块，其中，

查询词选取模块，用于根据获取的搜索引擎查询日志，进行分词，获取含有字母串的查询词；

词语特征匹配模块，用于根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词，统计该候选词的词语特征值；

英文词特征匹配模块，用于获取候选词中字母串对应的中文词，统计该中文词的词语特征值，获取该中文词的词语特征值与对应候选词的词语特征值的比值，如果该比值小于预先设置的比阈值，则该候选词作为英文词。

8.如权利要求7所述的装置，其特征在于，进一步包括：

拼音串过滤模块，用于根据拼音构成规则对词语特征匹配模块输出的候选词进行识别，如果候选词不符合拼音构成规则，直接将其作为英文词；如果候选词符合拼音构成规则，将该候选词输出至英文词特征匹配模块。

9.如权利要求7或8所述的装置，其特征在于，所述词语特征匹配模块包括搜索次数统计单元、搜索次数判断单元、网页点击次数统计单元、网页点击次数判断单元以及候选词存储单元，其中，

搜索次数统计单元，用于统计查询词选取模块获取的各含有字母串的查询词在搜索引擎查询日志中出现的搜索次数；

搜索次数判断单元，用于将搜索次数大于预先设置的搜索次数阈值对应的含有字母串的查询词输出至网页点击次数统计单元；

网页点击次数统计单元，用于根据接收的含有字母串的查询词，统计该含有字母串的查询词在搜索引擎查询日志中出现的网页点击次数；

网页点击次数判断单元，用于将网页点击次数大于预先设置的网页点击次数阈值对应的含有字母串的查询词作为候选词，输出至候选词存储单元进行存储。

10.如权利要求9所述的装置，其特征在于，所述词语特征匹配模块进一步包括：

混合查询次数统计单元以及混合查询次数判断单元，其中，

混合查询次数统计单元，用于根据网页点击次数判断单元输出的含有字母串的查询词，统计该含有字母串的查询词在搜索引擎查询日志中出现的混合查询次数；

混合查询次数判断单元，用于将混合查询次数大于预先设置的混合查询次数阈值对应的含有字母串的查询词作为候选词，输出至候选词存储单元进行存储。