[发明专利]一种数据检测方法及装置

说明书

技术领域

本发明涉及数据处理领域，特别涉及一种数据检测方法及装置。

背景技术

目前，输入法包括基于笔画输入的输入法和基于字母输入的输入法，对于基于字母输入的输入法而言，对于用户输入的字母串，如何快速准确的识别出是英文还是拼音，同时还需要对字母串是否正确进行处理，是向用户更快更准地提供输入法的选择结果亟需解决的问题。

发明内容

为了解决现有技术中的问题，本发明提供一种数据检测方法及装置，可以对输入数据进行快速准确的识别。

本发明提供一种数据检测方法，该方法包括：

输入多个训练数据；

对训练数据进行音节切分，获取对应训练切分结果；

将所述训练切分结果作为训练特征数据，生成预测模型；

使用所述预测模型检测至少一个输入数据，识别所述输入数据中的字母串对应属性特征。

进一步的，所述对应训练切分结果数量最少且完整度最高。

进一步的，所述对训练数据进行音节切分，获取对应训练切分结果包括：

对所述训练数据进行音节切分，得到至少一种切分形式；

将所述切分形式对照拼音表，按照正确音节和不完整音节分数从高到低计算音节分数和，选择音节分数和最大的切分形式作为训练切分结果。

进一步的，所述按照正确音节和不完整音节分数从高到低计算音节分数和，选择音节分数和最大的切分形式作为训练切分结果包括：

采用动态规划法按照正确音节和不完整音节分数从高到低计算音节分数和，选择音节分数和最大的切分形式作为训练切分结果。

进一步的，所述生成预测模型为使用机器学习算法生成预测模型。

进一步的，所述机器学习算法包括支持向量机SVM算法或最大熵算法或最邻近结点算法KNN。

进一步的，所述输入数据中的字母串的对应属性特征为英文字符串或者拼音字符串。

进一步的，使用所述预测模型检测至少一个输入数据，识别所述输入数据中的字母串对应属性特征包括：

判断所述输入数据是否为字母串；

当所述输入数据为字母串，且所述输入数据不在英文词典中时，对所述输入数据进行音节切分，获取对应训练切分结果；

将所述切分结果作为特征数据；

使用所述预测模型对所述特征数据进行分类，从而识别所述输入数据中的字母串是英文串还是拼音串。

本发明还提供一种数据检测装置，该装置包括：

训练数据接收接口，适于接收多个训练数据；

训练模块，用于对训练数据进行音节切分，获取对应训练切分结果；

模型生成模块，用于将所述训练切分结果作为训练特征数据，生成预测模型；

模型数据库，适于存储所述生成的预测模型；

数据输入接口，适于输入至少一个待识别的输入数据

识别模块，用于调用所述模型数据库中的预测模型检测所述待识别的输入数据，识别所述待识别的输入数据中的字母串对应属性特征。

进一步的，所述训练模块包括：

切分子模块，用于对所述训练数据进行音节切分，得到至少一种切分形式；

计算子模块，用于将所述切分形式对照拼音表，按照正确音节和不完整音节分数从高到低计算音节分数和，选择音节分数和最大的切分形式作为训练切分结果。

进一步的，所述待识别的输入数据中的字母串的对应属性特征为英文字符串或者拼音字符串,所述识别模块包括：

判断子模块，用于判断所述待识别的输入数据是否为字母串；

切分子模块，当所述待识别的输入数据为字母串，且所述待识别的输入数据不在英文词典中时，对所述待识别的输入数据进行音节切分，获取对应训练切分结果；

特征子模块，用于将所述切分结果作为特征数据；

分类子模块，用于使用所述预测模型对所述特征数据进行分类，从而识别所述待识别的输入数据中的字母串对应属性特征。

本发明带来的有益效果如下：

通过训练预测模型，可以不受输入数据书写是否错误的影响，使用预测模型检测输入数据，快速准确地识别出输入数据中的字母串对应属性特征。

附图说明

图1为本发明实施例一中一种数据检测方法的流程示意图；

图2为本发明实施例二中一种数据检测方法的流程示意图；

图3为本发明实施例三中一种数据检测方法的流程示意图；

图4为本发明实施例四中一种一种数据检测装置的结构示意图。

具体实施方式