[发明专利]一种汉语由字组词方法及装置

说明书

本发明公开了一种汉语由字组词方法及装置，包括以下步骤：S1、融合多个语料库获得最终的词语频次统计结果；S2、确定组词汉字；S3、由确定的汉字生成候选词语；S4、从最终的词语频次统计结果中根据候选词语的词语频次由高到低依次选取设定数量的词语；S5、输出组词结果。本发明将汉语由字组词并输出，方法简单、实现容易、组成的词语符合人们的预期，和人工组词结果拟合度高。所给出的组词结果不仅有那些常见常用的词语，有时也有那些生动、活泼、构词复杂但也常见常用的词语，也有一些时代感强的年度新词和网络新词。

技术领域

本发明属于计算机领域，具体涉及一种汉语由字组词方法及装置。

背景技术

组词是指把单个汉字与其他合适的汉字搭配而组成双音节或多音节词语。组词是识字教学中非常重要的一环，也是识字教学的内容之一，是识字练习的提高，又是用词说话造句的基础，所以这一环节在汉语学习中起着举足轻重的作用。而由字组词常常是面向汉语初学者和对外汉语教学相关软件中的必备模块。

从检索查阅的学术论文、专利、论著来看，还没有实现汉语自动由字组词的相关技术、方法和装置。

专利号为2007100792674、申请日为2007年2月13日的中国发明专利，其公开了一种智能组词输入的方法和一种输入法系统及其更新方法，本发明专利是由用户输入的编码字符串(例如，拼音输入法中的拼音字符串)确定最终输入词语的方法，该发明有效提高了用户的输入效率，提升了输入法的用户体验。但是，该发明仅仅从预置的互联网语料库中获取组合信息，组词方式比较单一，无法满足汉语学习者。

目前，在一些汉语教学相关软件中，汉语初学者进行组词练习时，所给出的组词结果多数情况下都是机械、重复、简单化的词语，鲜有生动、活泼、以及构词复杂但也常见常用的词语，更少见那种得到广泛认同的网络新词。

针对上述问题，本发明提出一种汉语由字组词方法及装置，通过融合三种途径获得词语频次统计结果，使用该词语频次统计结果进行候选词语筛选，最终组词结果更常见、更常用、更贴近时代。

发明内容

为解决现有技术存在的缺陷，本发明提供一种汉语由字组词方法及装置。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明提供一种汉语由字组词方法，包括以下步骤：

S1、融合三种途径获得最终的词语频次统计结果；

S2、确定组词汉字；

S3、由确定的汉字生成候选词语；

S4、从最终的词语频次统计结果中根据候选词语的词语频次由高到低依次选取设定数量的词语；

S5、输出组词结果。

作为本发明的一种优选技术方案，步骤S1包括以下步骤：

S11、从现代汉语语料库中获得词语频次统计结果一；

S12、从教育部语信司确定的每年度十大网络用语、十大流行语、十大新词语中获得词语频次统计结果二；

S13、将步骤S11和步骤S12中的统计结果通过网络众包让参与者选择出常见常用的词语，从而融合形成最终的词语频次统计结果。

作为本发明的一种优选技术方案，步骤S2确定汉字包括以下步骤：由用户输入设定数量的汉字，或从字库随机抽取设定数量的汉字。

作为本发明的一种优选技术方案，字库按照笔画的数量分成多个等级，按照等级从字库随机抽取设定数量的汉字。

作为本发明的一种优选技术方案，步骤S3中由确定的汉字排列组合生成候选词语，按候选词语包含的字数由少到多依次排列。