[发明专利]一种查询纠错方法、装置和计算设备

说明书

本发明公开了一种查询纠错方法，在计算设备中执行，该方法包括以下步骤：获取用户输入的查询词Q；根据查询词Q的长度|Q|确定索引元的长度N1，将所有由查询词Q中的连续N1个字符组成的字符串作为索引元，并将背景词典的上述索引元的倒排索引链中的词条加入第一匹配集合，其中背景词典中存有用户的历史查询词；分别计算查询词Q与第一匹配集合中的每一个词条的编辑距离，将第一匹配集合中与查询词Q的编辑距离小于等于编辑距离阈值k的词条加入第二匹配集合；输出第二匹配集合中的词条，作为查询词Q的纠错结果。本发明还公开了采用上述查询纠错方法的查询纠错装置以及包含上述查询纠错装置的计算设备。

技术领域

本发明涉及网络文本信息的智能处理领域，尤其涉及一种查询纠错方法、装置和计算设备。

背景技术

在用户使用搜索引擎进行查询时，由于用户本身知识的限制或者误操作等原因，造成输入的查询词错误，通过错误的查询词得到的查询结果往往较差，这就需要一种能够自动纠正用户错误输入的技术来解决这一难题。现在比较常用的方法是计算查询词与背景词典中的词条的编辑距离，将背景词典中与查询词的编辑距离最小的词条作为纠错结果推送给用户。但是，由于背景词典一般都比较大，计算查询词与背景词典中每一个词条的编辑距离将耗费大量时间，很不现实。

发明内容

为此，本发明提供一种查询纠错方法、装置和计算设备，以力图解决或者至少缓解上面存在的问题。

根据本发明的一个方面，提供一种查询纠错方法，在计算设备中执行，该方法包括以下步骤：根据查询词Q的长度|Q|确定索引元的长度N1，将所有由查询词Q中的连续N1个字符组成的字符串作为索引元，并将背景词典的上述索引元的倒排索引链中的词条加入第一匹配集合，其中背景词典中存有用户的历史查询词；分别计算查询词Q与第一匹配集合中的每一个词条的编辑距离，将第一匹配集合中与查询词Q的编辑距离小于等于编辑距离阈值k的词条加入第二匹配集合；输出第二匹配集合中的词条，作为查询词Q的纠错结果。

可选地，在根据本发明的查询纠错方法中，索引元的长度N1按如下公式 确定：

可选地，在根据本发明的查询纠错方法中，将背景词典的上述索引元的倒排索引链中的词条加入第一匹配集合为：将背景词典的上述索引元的倒排索引链中长度大于等于(|Q|-k)且小于等于(|Q|+k)的词条加入第一匹配集合。

可选地，在根据本发明的查询纠错方法中，在根据查询词Q的长度|Q|确定索引元的长度N1之前，还包括：判断查询词Q的长度|Q|是否小于等于编辑距离阈值k，若是，则将背景词典中长度小于等于k的词条加入第二匹配集合。

可选地，在根据本发明的查询纠错方法中，还包括对背景词典建立多重索引，具体包括以下步骤：将背景词典D划分为若干个子词典，D＝{D1，D2，…，Di，…，Dn}，子词典Di中的词条长度均为i，1≤i≤n，n为背景词典D中最长的词条的长度；对每一个子词典Di，根据i的值确定子词典Di的最小索引元长度N2；对Di中的每一个词条w，将由w中的连续x个字符组成的字符串作为索引元，N2≤x≤N3，N3为最大索引元长度，并在该索引元的倒排索引链追加词条w。

可选地，在根据本发明的查询纠错方法中，子词典Di的最小索引元长度N2按如下公式确定：

可选地，在根据本发明的查询纠错方法中，最大索引元长度N3取值为4。

可选地，在根据本发明的查询纠错方法中，背景词典中还存有查询词的查询频次；在输出第二匹配集合中的词条之前，还包括步骤：获取第二匹配集合中的每一个词条的查询频次，将查询频次小于查询频次阈值的词条从第二匹配集合中删除。

可选地，在根据本发明的查询纠错方法中，背景词典包括中文全拼音词典、英文词典和中文词典；对背景词典建立多重索引包括，对中文全拼音词典、英文词典和中文词典分别建立多重索引。