买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳价值在线信息科技股份有限公司

摘要：本申请适用于数据处理技术领域，提供了一种混淆汉字的生成方法、终端设备及计算机可读存储介质，包括：从预设语料库中提取出汉字集合，所述汉字集合中包括多个汉字；生成所述汉字集合中每个汉字的读音特征和结构特征；根据所述读音特征确定目标字在所述汉字集合中的音近字，所述目标字为所述汉字集合中的任意一个汉字；根据所述结构特征确定所述目标字在所述汉字集合中的形近字；根据所述目标字在所述汉字集合中的所述音近字和所述形近字生成所述目标字的混淆字。通过上述方法，可以有效提高混淆字字典的生成效率，并有效提高混淆字字典的通用性，进而提高文本纠错的准确率。

主权项：1.一种混淆汉字的生成方法，其特征在于，包括：从预设语料库中提取出汉字集合，所述汉字集合中包括多个汉字；生成所述汉字集合中每个汉字的读音特征和结构特征；根据所述读音特征确定目标字在所述汉字集合中的音近字，所述目标字为所述汉字集合中的任意一个汉字；根据所述结构特征确定所述目标字在所述汉字集合中的形近字；根据所述目标字在所述汉字集合中的所述音近字和所述形近字生成所述目标字的混淆字；其中，所述从预设语料库中提取出汉字集合，包括：统计所述预设语料库中每个汉字的出现频率；按照所述出现频率从高到低的顺序对所述预设语料库中的汉字进行排序，得到第一汉字序列，将所述第一汉字序列中前N个汉字生成所述汉字集合；或者，将出现频率大于预设频率的汉字添加到所述汉字集合中；所述生成所述汉字集合中每个汉字的读音特征和结构特征，包括：对于所述汉字集合中的任意一个汉字，根据所述汉字每种读音的声调和音节生成所述汉字每种读音的读音字符串；将所述汉字每种读音的读音字符串确定为所述汉字的所述读音特征；按照预设的汉字结构规则，将所述汉字拆分为多个偏旁部首；将所述偏旁部首生成结构树，包括：将排在书写顺序中第一位的偏旁部首作为结构树中的根节点，将排在书写顺序中第二位的偏旁部首作为根节点的子节点，依次类推；将所述结构树确定为所述汉字的所述结构特征；其中，所述根据所述读音特征确定目标字在所述汉字集合中的音近字，包括：根据所述读音特征计算所述目标字与每个非目标字之间的第一编辑距离；根据所述第一编辑距离计算所述目标字与每个所述非目标字之间的相似度；根据所述相似度从所述非目标字中确定出所述目标字的所述音近字；所述根据所述结构特征确定所述目标字在所述汉字集合中的形近字，包括：利用APTED算法计算所述目标字的所述结构树和每个非目标字的所述结构树之间的第二编辑距离，其中，所述非目标字为所述汉字集合中除所述目标字外的任意一个汉字；按照所述第二编辑距离从小到大的顺序对所述非目标字进行排序，得到第二汉字序列；将所述第二汉字序列中的前M个汉字确定为所述目标字的所述形近字，其中，所述M为正整数。

全文数据：

权利要求：

百度查询： 深圳价值在线信息科技股份有限公司 混淆汉字的生成方法、终端设备及计算机可读存储介质