|
|||||
|
|
| 中文信息检索系统的模糊匹配算法研究和实现 | |
| 引用本文： | 王静帆,邬晓钧,夏云庆,郑方.中文信息检索系统的模糊匹配算法研究和实现[J].中文信息学报,2007,21(6):59-64. |
| 作者姓名： | 王静帆 邬晓钧 夏云庆 郑方 |
| 作者单位： | 清华大学计算机系 清华信息科学与技术国家实验室 技术创新和开发部 语音和语言技术中心,北京 100084 |
| 摘 要： | 在现代中文信息检索系统中,用户输入的字符串和实际数据库中的条目往往存在局部偏差,而基于关键词匹配的检索技术不能很好地解决这一问题。本文参考并改进了Tarhio和Ukkonen提出的过滤算法1],针对汉字拼音输入法中常出现的同音字/近音字混用现象,将算法进一步扩展到广义的Edit Distance上。实验表明,本文提出的算法能有效提高中文信息检索系统的召回率,在实际应用中可达到“子线性”的效率。 |
| 关 键 词： | 计算机应用 中文信息处理 模糊匹配 过滤算法 动态规划 |
| 文章编号： | 1003-0077（2007）06-0059-06 |
| 收稿时间： | 2007-01-09 |
| 修稿时间： | 2007-09-10 |
An Approximate String Matching Algorithm for Chinese Information Retrieval Systems |
|
| WANG Jing-fan,WU Xiao-jun,XIA Yun-qing,ZHENG Fang.An Approximate String Matching Algorithm for Chinese Information Retrieval Systems[J].Journal of Chinese Information Processing,2007,21(6):59-64. | |
| Authors: | WANG Jing-fan WU Xiao-jun XIA Yun-qing ZHENG Fang |
| Affiliation: | Dept.of Computer Sci. & Tech. Tsinghua University, Center for Speech and Language Technologies, Division of Technical Innovation and Development, Tsinghua National Laboratory for Information Science and Technology,Beijing 100084, China |
| Abstract: | In the modern Chinese information retrieval systems,classical keyword based string matching can not work when the input string is different from the entries in the database.This paper proposed a method based on Tarhio and Ukkonen's filtering algorithm to solve the problem.Because the Chinese Pinyin typewriting usually consists Chinese characters with the same or similar pronunciations,we defined a special Edit Distance and expended our method accordingly.The experimental results showed that our algorithm can improve the recall rate of the retrieval systems and obtain practical sub-linear complexity. |
| Keywords: | computer application Chinese information processing approximate matching filter algorithm dynamic programming |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《中文信息学报》浏览原始摘要信息 | |
| 点击此处可从《中文信息学报》下载全文 | |