基于拼音索引的中文模糊匹配算法

摘要：

主流商业搜索引擎主要基于关键词精确匹配技术，对于用户的输入错误，通常无法取得令人满意的检索效果。针对这一问题，结合汉语中的拼音知识，本文提出汉字相似程度的三种不同的度量方式，并基于相似程度度量提出有索引的汉语模糊匹配方法。该方法通过对用户查询进行扩展，将模糊匹配转化为多个精确匹配，对精确匹配的结果按与查询串的相似程度进行排序。在实验所用的网页文本语料库中，本文提出的模糊检索方法在时间和空间复杂度增长不大的情况下取得了较高的准确率与召回率。

关键词： 拼音索引 中文模糊匹配 查询扩展 汉字相似度

作者: 曹犟 邬晓钧 夏云庆 郑方

作者单位: 清华大学 计算机科学与技术系,北京 100084 清华信息科学技术国家实验室技术创新和开发部语音和语言技术中心,北京 100084 清华信息科学技术国家实验室技术创新和开发部语音和语言技术中心,北京 100084

会议类型: 国内会议

会议名称: 第十届全国人机语音通讯学术会议

会议地点: 乌鲁木齐

会议语种:中文

页码: 186-191

在线出版日期: 2009-08-14（万方平台首次上网日期，不代表论文的发表时间）