[发明专利]字符串匹配系统及方法

说明书

技术领域

本发明涉及一种字符串匹配系统及字符串匹配方法。

背景技术

由于自然语言灵活多变的特性和命名风格的不同，对于同一个事物会有不同的描述方式，在计算机看来，就是两个不同的字符串。如何快速的判断出两个字符串描述的是否是同一个事物，也就成为了一个具有现实意义的技术问题。

现有的字符串关联度计算方法要么比较机械的计算字符串之间的联系，要么陷入语义分析的繁杂的计算中，无法快速灵活、准确的计算出字符串之间的相似度。

发明内容

本发明要解决的技术问题是为了克服现有技术中无法快速灵活、准确的计算出字符串之间的相似度的缺陷，提供一种能够快速灵活、准确的计算出字符串之间的相似度的字符串匹配系统及方法。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种字符串匹配系统，其特点在于，其存储有若干关键维度和若干非关键维度，每一关键维度和非关键维度均对应有权重值，该字符串匹配系统包括一输入模块、一分词模块、一标注模块、一比较模块、一计算模块和一输出模块；

该输入模块用于接收两个字符串的输入；

该分词模块用于将该两个字符串分词为词组；

该标注模块用于标注每一词组对应的关键维度或非关键维度；

该比较模块用于比较该两个字符串中的词组，若任一关键维度上的两个词组不相同则调用该输出模块输出一字符串不匹配信息，否则（具体指任一关键维度上的两个词组均相同或所有匹配上的关键维度上的两个词组相同但某一字符串缺少某一或某些关键维度上的词组）调用该计算模块，其中，“两个词组相同”指的是两个词组所表达的意思相同，而并不局限于两个词组所包含的所有字符严格一致；同样地，“两个词组不相同”指的是两个词组所表达的意思不相同；

该计算模块用于通过公式计算该两个字符串之间的匹配度，并调用该输出模块输出该匹配度；其中P表示该两个字符串之间的匹配度，n表示该两个字符串中词组相同的个数，a_i为该两个字符串中第i个相同的词组对应的权重值的两倍，B为该两个字符串中每一词组对应的权重值的累加之和。

较佳地，该字符串匹配系统还包括一处理模块，该处理模块用于去除该两个字符串中的停止词、纠正该两个字符串中的错别字以及将该两个字符串中的拼音更换为汉字。

较佳地，该字符串匹配系统存储一包含多个词语的词库，该分词模块包括一划分模块和一匹配模块；

该划分模块用于对该两个字符串进行划分；

该匹配模块用于将划分出的词语与该词库中的所有词语进行匹配，若匹配成功则将该划分出的词语作为该词组。

较佳地，该些关键维度和非关键维度按照领域自定义设置。

本发明还提供一种字符串匹配方法，其特点在于，其存储有若干关键维度和若干非关键维度，每一关键维度和非关键维度均对应有权重值，该字符串匹配方法包括以下步骤：

S₁、接收两个字符串的输入；

S₂、将该两个字符串分词为词组；

S₃、标注每一词组对应的关键维度或非关键维度；

S₄、比较该两个字符串中的词组，若任一关键维度上的两个词组不相同则进入步骤S₅，否则进入步骤S₆；

S₅、输出一字符串不匹配信息，结束流程；

S₆、通过公式计算该两个字符串之间的匹配度，并输出该匹配度，结束流程；其中n表示该两个字符串中词组相同的个数，a_i为该两个字符串中第i个相同的词组对应的权重值的两倍，B为该两个字符串中每一词组对应的权重值的累加和。

较佳地，步骤S₁和步骤S₂之间包括以下步骤：

去除该两个字符串中的停止词、纠正该两个字符串中的错别字以及将该两个字符串中的拼音更换为汉字。

较佳地，该字符串匹配方法存储一包含多个词语的词库，步骤S₂包括以下步骤：

S₂₁、对该两个字符串进行划分；

S₂₂、将划分出的词语与该词库中的所有词语进行匹配，若匹配成功则将该划分出的词语作为该词组。

较佳地，该些关键维度和非关键维度按照领域自定义设置。