[发明专利]一种基于矩阵运算的相似汉字提取方法

说明书

本发明涉及一种基于矩阵运算的相似汉字提取方法，属于汉语信息处理技术领域。本发明首先提取汉字矩阵并建立汉字矩阵数据库，由用户输入参考汉字，将参考汉字与数据库中每个汉字计算其相似度，最后输出一定数量的相似汉字。其中，在计算汉字之间相似度时，采用矩阵平移、相减、取绝对值等操作进行。本发明与现有技术相比，主要解决了现有技术在对相似汉字提取时存在的耗费人力、准确性低、灵活性差等现象，增加了目前依靠计算机进行相似汉字提取的准确性。

技术领域

本发明涉及一种基于矩阵运算的相似汉字提取方法，属于汉语信息处理技术领域。

背景技术

对相似汉字的提取是汉语信息处理领域的一项基本研究，有助于汉语教学、排版、编辑等业务的发展。特别对汉语教学来讲，在初识语文时课本中便人工列举了很多相似汉字，以供学生学习、正确区分。若相似汉字只是少数，由人工区分并不困难，但汉字文化博大精深、数量庞大，若用人工区分则实施性较弱。

目前，对汉字进行相似提取主要根据汉字之间的相似度进行，而汉字之间相似度的计算则分为两类：基于数学表达式和基于图像处理。但这两类方法都存在缺陷，若使用第一类方法，则需对汉字进行数学表达式的描述，若描述规则不合理则误差较大；若使用第二类方法，对于一些复合字的相似度计算结果较差。

发明内容

本发明要解决的技术问题是针对现有技术的局限和不足，提供一种基于矩阵运算的相似汉字提取方法，以解决现有技术在对相似汉字提取时存在的耗费人力、准确性低、灵活性差等现象，致力于增加目前依靠计算机进行相似汉字提取的准确性

本发明的技术方案是：一种基于矩阵运算的相似汉字提取方法，该方法具体包括以下步骤：

Step0：提取汉字矩阵并建立汉字矩阵数据库；根据m×n像素中文点阵字库，生成大小为m×n的汉字矩阵I_m×n，将所有汉字及生成的汉字矩阵存入数据库，组建汉字矩阵数据库；

Step1：记X为将要提取相似汉字的参考汉字，从汉字矩阵数据库中获取汉字X所对应的汉字矩阵I_X；

Step2：记Y_i,i∈[1,20902]为汉字矩阵数据库中的一个汉字，依照Step2.1～Step2.6所示计算方法得到参考汉字X与汉字Y_i的相似度Sim(X,Y_i),i∈[1,20902]；

Step2.1：从汉字矩阵数据库中获取汉字Y_i及对应的汉字矩阵

Step2.2：生成大小为m×n的零矩阵Z_m×n；

Step2.3：将汉字矩阵置于零矩阵Z_m×n上方并向下平移，每平移一行生成新矩阵，共生成2m+1个矩阵，具体为

Step2.4：将汉字矩阵置于零矩阵Z_m×n左方并向右平移，每平移一列生成新矩阵，共生成2n+1个矩阵，具体为

Step2.5：将汉字矩阵I_X与矩阵进行公式(1)所示计算，得到相似度值Simt₁,Simt₂,…,Simt_2m+2n+2；

其中，表示矩阵I_X和相减并取绝对值后的新矩阵；表示新矩阵中所有元素相加的结果；

Step2.6：汉字X、Y_i的字形相似度Sim(X,Y_i)计算如公式(2)所示，即汉字X、Y_i的字形相似度Sim(X,Y_i)为Step2.5中得到的相似度值Simt₁,Simt₂,…,Simt_2m+2n+2中的最大值；