[发明专利]一种基于矩阵运算的相似汉字提取方法

摘要

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。

主权项

1.一种基于矩阵运算的相似汉字提取方法，其特征在于：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Im×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IX；Step2：记Yi,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Yi的相似度Sim(X,Yi),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Zm×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，得到相似度组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、Yi的字形相似度Sim(X,Yi)计算如公式(2)所示，即汉字X、Yi的字形相似度Sim(X,Yi)为Step2.5中得到的相似度组Simt1,Simt2,…,Simt2m+2n+2中的最大值；Sim(X,Yi)＝Max(Simt1,Simt2,…,Simt2m+2n+2),i∈[1,20902]          (2)Step3：将Sim(X,Yi),i∈[1,20902]从高至低排序，提取出前N个相似度最高的汉字作为参考汉字X的相似汉字并输出。