[发明专利]为输入数据搜索匹配候选项的方法、数据库创建方法、装置及计算机程序产品

说明书

本申请公开了一种用于为输入数据搜索匹配候选项的方法以及一种用于创建数据库DFA(确定有限状态自动机)的方法。用于为输入数据搜索匹配候选项的方法包括：获取输入数据的特征信息；基于所述输入数据的特征信息，生成与所述输入数据对应的特征DFA；用所述输入数据对应的特征DFA去搜索包括多个目标状态的预设数据库DFA，以确定与所述输入数据对应的特征DFA相匹配的目标状态，其中，所述预设数据库DFA中的每个目标状态对应于基于一个目标数据的特征信息生成的特征DFA；以及输出与所述搜索得到的匹配的目标状态相关联的目标数据，作为与所述输入数据对应的匹配候选项。

技术领域

本申请涉及计算机技术领域，特别涉及一种用于为输入数据搜索匹配候选项的方法和装置，以及一种用于创建数据库的方法及装置。

背景技术

为用户输入寻找匹配是有普遍适用性的技术问题，在例如输入法领域、搜索引擎领域、人工智能领域、自动翻译领域等都有广泛适用。以输入法为例，拼音输入法是目前主要的一种中文输入方法。因为汉语中存在同音字、多音字现象，所以在使用拼音输入法时可能会出现由于上述问题而导致的输入的汉字错误，例如，将“清华大学”误输入为“青华大学”，将“优惠券(quàn)”误输入为“优惠卷(juàn)”，将“传(zhuàn)记”误输入为“穿(chuān)记”等等。

然而，随着用户对速度和准确率的要求越来越高，现有的匹配技术也需要不断的改进。例如，针对用户的中文输入，现有的中文纠错方法不能够有效地处理和纠正因同音字、多音字或错别字等引起的中文输入错误。因此，需要一种能够有效对因拼音相同或相近或类似原因而导致的输入错误进行纠正的技术。

发明内容

本申请的一个目的在于提供一种用于为输入数据搜索匹配候选项的方法、装置和计算机程序产品，以及一种用于创建数据库的方法、装置和计算机程序产品，以解决现有技术中数据匹配搜索效率较低和占用存储空间过大的问题。

在本申请的一个方面，提供了一种用于为输入数据搜索匹配候选项的方法，包括下述步骤：(1)获取输入数据的特征信息；(2)基于所述输入数据的特征信息，生成与所述输入数据对应的特征DFA(确定有限状态自动机)；(3)用所述输入数据对应的特征DFA去搜索包括多个目标状态的预设数据库DFA，以确定与所述输入数据对应的特征DFA相匹配的目标状态，其中，所述预设数据库DFA中的每个目标状态对应于基于一个目标数据的特征信息生成的特征DFA的终止状态；以及(4)输出与搜索得到的匹配的目标状态相关联的目标数据，作为与所述输入数据对应的匹配候选项。

在本申请的另一方面，还提供了一种用于创建数据库DFA的方法，所述数据库DFA包括多个目标状态，用于与外部DFA的终止状态进行搜索匹配，所述方法包括：(A)获取目标数据；(B)获取所述目标数据的特征信息；(C)基于所述目标数据的特征信息，生成与所述目标数据对应的特征DFA；(D)将所生成的目标数据对应的特征DFA的终止状态与所述目标数据关联起来；以及(E)将相互关联的目标数据及其对应的特征DFA添加到所述数据库DFA中，其中，所述目标数据对应的特征DFA的终止状态被作为所述数据库DFA中的一个目标状态。

在本申请的另一些方面，还提供了一种用于为输入数据搜索匹配候选项的装置和计算机程序产品，以及一种用于创建数据库DFA的装置和计算机程序产品。

对于本申请的方法和装置，通过将待搜索的输入数据转换为DFA的形式，输入数据特征信息的各种变化可以被DFA有效涵盖，从而使得搜索过程简化且更有效。此外，所创建的数据库DFA对系统存储空间和处理资源的占用少，这使得搜索匹配的处理速度和效率大大提高。

本申请的用于为输入数据搜索匹配候选项的方法和基于本申请的方法创建的数据库DFA可用于多种不同的应用领域，例如，输入数据的纠错应用、中文字符的输入法应用、语音翻译应用、语音识别应用、人工智能中的决策树算法优化，等等。