[发明专利]一种用于互联网信息的错词检测控制方法

说明书

一种用于互联网信息的错词检测控制方法，包括系统在字词标准库中通过字典查找树的方式，检索需要进行错词检测的信息中是否包含组成词组的字符串，判断若存在，则返回该字符串及字符串在信息中位置的检索结果信息后,系统通过字符位置查找映射的方式，获取检索结果信息中匹配到的每个字符串在词组中的位置及该字符串的长度的信息；通过获取的信息，截取需要进行错词检测的信息的文本内容信息；系统将截取到的文本内容信息，传入文本纠错树中，获取截取到的所述文本内容信息中各个词组与组成文本纠错树的标准词组之间的编辑距离为设定阀值的截取词组。本发明解决了需要检测出互联网信息中同音错别字、字形错别字以及人名错误的技术问题。

技术领域

本申请涉及计算机信息技术领域，特别涉及一种用于互联网信息的错词检 测控制方法。

背景技术

近年来随着信息技术的大力发展，新媒体的发展日新月异，技术手段的革 新使得任何人可以在任何空间、任何时间里发布和接触信息，海量的信息也改 变了人们的认知过程与行为方式，但是在互联网信息的广泛传播中存在大量的 错词问题，错词问题长期广泛存在，对人们的工作和生活带来极大影响，例如， 经济合同里的错别字可能会导致巨大的商业损失，知名公众人物的错别字问题 可能会影响其发展前途，高考作文里的错别字也一定会影响到学生的升学成 绩。

当前互联网上存在的一些错词检测技术，通常只能检测成语中的错别字， 并且检测到的错别字大都只能是正确字的同音字。当前需要一种技术方案，不 仅可以检测互联网信息中的同音错别字和字形错别字，而且可以检测人名错 误。

发明内容

本申请实施例提供一种用于互联网信息的错词检测控制方法，以解决需要 检测出互联网信息中同音错别字、字形错别字以及人名错误的技术问题。

本发明提供了一种用于互联网信息的错词检测控制方法，包括：

步骤A、系统在字词标准库中通过字典查找树的方式，检索需要进行错词 检测的互联网信息中是否包含组成词组的字符串，判断若存在，则返回该字符 串及字符串在所述互联网信息中位置的检索结果信息，执行步骤B；

步骤B、系统通过字符位置查找映射的方式，获取所述检索结果信息中匹 配到的每个字符串在词组中的位置及该字符串的长度的信息；通过获取的信 息，截取需要进行错词检测的互联网信息的文本内容信息；

步骤C、系统将截取到的所述文本内容信息，传入文本纠错树中，获取截 取到的所述文本内容信息中各个词组与组成文本纠错树的标准词组之间的编 辑距离为设定阀值的截取词组。

上述方法还可包括：所述系统在字词标准库中通过字典查找树的方式，检 索需要进行错词检测的互联网信息中是否包含组成词组的字符串，是指：所述 系统在字词标准库中通过由一种字符串构成的存储结构，快速查询需要进行错 词检测的互联网信息中是否包含构成该存储结构的字符串。

上述方法还可包括：所述系统通过字符位置查找映射的方式，获取所述检 索结果信息中匹配到的每个字符串在词组中的位置及该字符串的长度的信息， 是指：系统通过一种快速定位字符串的映射结构，该映射结构用于存储所述字 词标准库中每个词的字符串及字符串在这个词中的位置和字符串的长度。

上述方法还可包括：所述文本纠错树是一种由字符串组成的快速判断树， 用于检测传入字符串与组成字符串之间的编辑距离是否为设定阀值。

上述方法还可包括：所述步骤A中还包括：所述系统对需要进行错词检测 的互联网信息进行分词操作，得到分词组合A＝[a₁，a₂，a₃，......，a_n]，其中n 为正整数。

上述方法还可包括：所述系统要根据预设周期对所述字词标准库进行更 新，增加新的字词内容。