[发明专利]基于字距词链的字符分组方法、存储介质及电子设备

权利要求书

1.一种基于字距词链的字符分组方法，其特征在于：包括如下步骤：

遍历语料库，统计待分组的N个字符的频次，对语料库中的所有文本进行分词，根据N个字符所组成词语的频次计算各词语概率；

按照字频从高到低，重复执行以下步骤直到所有字符完成分组；

根据如下公式计算待分配字符c到第k组中已分组字符c_i的词链和：

式中，为包含字符c和字符c_i的所有词语；

对所有组的词链和进行归一化处理得到；

以归一化的词链和为权重，将待分配字符c添加到权重最小的组。

2.如权利要求1所述的基于字距词链的字符分组方法，其特征在于：还包括如下步骤：

根据字频对字符进行排序，计算排序后待分配字符c到第k组中已分组字符c_i的字距离和：

式中，为字符c和字符c_i的距离，即按照字频排序后，字符c和字符c_i的下标差；

对所有组的字距离和进行归一化处理得到；

根据如下公式计算待分配字符c分配到第k组的权重：

式中，为预设的权重系数且大于等于0，C为已分组字符集合，为已分组字符的频次归一化后的标准差。

3.如权利要求1所述的基于字距词链的字符分组方法，其特征在于：还包括如下步骤：

根据字频对字符进行排序，计算排序后待分配字符c到第k组中已分组字符c_i的频次差值和：

式中，为字符c和字符c_i的频次差值；

对所有组的频次差值和进行归一化处理得到；

根据如下公式计算待分配字符c分配到第k组的权重：

式中，为预设的权重系数且大于等于0，C为已分组字符集合，为已分组字符的频次归一化后的标准差。

4.如权利要求1所述的基于字距词链的字符分组方法，其特征在于：还包括如下步骤：

根据字频对字符进行排序，计算排序后待分配字符c到第k组中已分组字符c_i的字距离和：

式中，为字符c和字符c_i的距离；

并计算排序后待分配字符c到第k组中已分组字符c_i的频次差值和：

式中，为字符c和字符c_i的频次差值；

对所有组的字距离和、频次差值和进行归一化处理得到、；

根据如下公式计算待分配字符c分配到第k组的权重：

式中，和为预设的权重系数且大于等于0，C为已分组字符集合，为已分组字符的频次归一化后的标准差。

5.如权利要求4所述的基于字距词链的字符分组方法，其特征在于：所述的和的取值范围均为[0,10]。

6.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-5中任一项所述的基于字距词链的字符分组方法。

7.一种电子设备，其特征在于：包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-5中任一项所述的基于字距词链的字符分组方法。