CN104731766A - 拼音文字词库构建方法和装置及输入方法和系统 - Google Patents

Abstract

本发明提供了一种拼音文字词库构建方法，其包括以下步骤：动态地获取用户输入的字符串；分析字符串，确定其中的拼音文字单词并记录；记录拼音文字单词出现的次数；以及如果出现的次数已达到阈值，则将拼音文字单词存储于词库中；分析拼音文字单词之间的关联关系并记录；记录关联关系出现的次数；以及如果关联关系出现的次数已达到阈值，则将单词之间的关联关系存储于词库中。本发明还提供了相应的拼音文字词库构建装置以及利用所构建的词库的拼音文字输入方法以及输入系统。利用本发明的拼音文字输入方法和系统，能提高输入速度。

Description

拼音文字词库构建方法和装置及输入方法和系统

技术领域

本发明涉及电子设备领域，尤其是拼音文字词库构建方法和装置，以及拼音文字输入方法及系统。

背景技术

目前，随着计算机、平板电脑、智能手机的广泛使用，除了键盘输入之外，也出现了其他输入法，比如语音输入。但是，键盘输入法仍然是最常用的输入方式。应当指出，本申请文件中提及的键盘输入法不仅包含利用物理键盘的输入法，还包括利用虚拟键盘的输入法。

目前，通行的计算机拼音文字键盘均为逐字母输入法，是由打字机键盘直接照搬过来，在拼音文字输入时存在击键次数过多，输入速度慢，出错率高。并且由于输入完全依赖单词的拼写形式，因此盲输时困难很大。拼音文字是一种表音文字，逐字母输入发使拼音语言的这一特征优势无法发挥出来，使计算机拼音文字输入始终处于低效状态，与计算机技术与高速信息处理技术的飞速发展形成鲜明的对比和矛盾。应当指出，在本申请文件中，拼音文字指的是基于字母的各种语言文字，单词由包含于一定数量字母集合中的若干字母排列组合而构成，不同词之间用比如空格等分词符分隔开，比如英文、德文、法文等，但并不限于这几种语言。

为了提高输入速度，现在已经出现了很多拼音文字输入法，在用户输入一个单词的前若干个字母后，可以依据词库进行智能提示，用户可以据此选择目标单词，从而用户可以减少输入字母，一定程度上提高输入速度。以英文输入为例，比如用户输入ea两个首字母，则输入法可自动提示each、earth、ear、early等以ea开头的英文词汇，用户继续输入ear，则更新为提示earth、ear、early等以ear开头的英文词汇。在此期间，用户可以通过鼠标点击选择或用每个提示词汇前对应的数字代码来选择相应词汇。

但是，仍然期望能进一步提高输入速度。对于输入速度的提高而言，词库构建是非常关键的因素，但目前各种词库均限于单个单词的词库。

发明内容

本发明针对上述问题，提出了一种拼音文字词库构建方法和装置以及拼音文字输入方法和系统，其能进一步提高输入速度。

在一个方面，本发明提供了一种拼音文字词库构建方法，包括以下步骤：动态地获取用户输入的字符串；分析所述字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；记录其中词库中不存在的拼音文字单词出现的次数；以及如果所述拼音文字单词出现的次数已达到阈值，则将所述拼音文字单词存储于词库中；分析所述拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来；记录所述拼音文字单词之间的关联关系出现的次数；以及如果所述关联关系出现的次数已达到阈值，则将所述单词之间的关联关系存储于词库中。

在另一个方面，本发明提供了一种拼音文字词库构建装置，包括：字符串获取模块，用于动态地获取用户输入的字符串；分析记录模块，用于分析所述字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；其还用于分析所述拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来；词库，用于存储单词以及单词之间的关联关系；以及存储模块，用于记录其中词库中不存在的拼音文字单词出现的次数，并且如果所述拼音文字单词出现的次数已达到阈值，则将所述拼音文字单词存储于词库中；以及用于记录所述拼音文字单词之间的关联关系出现的次数，并且如果所述关联关系出现的次数已达到阈值时，将所述单词之间的关联关系存储于词库中。

在又一个方面，本发明提供了一种拼音文字输入方法，其包括以下步骤：接收用户输入；显示词库中与用户输入相匹配的字符串，供用户从中选择最终输入字符串；其中，所述字符串包括单词以及具有关联关系的单词组合。

在再一个方面，本发明提供了一种拼音文字输入系统，其包括：用户接口控制模块，用于接收用户输入；词库，用于存储单词和单词之间的关联关系；显示模块，用于显示输入界面；以及输入法引擎，用于根据用户输入的拼音文字字符到词库中搜索匹配的字符串，并将匹配的字符串显示于显示模块上，其中所述字符串包括单词以及具有关联关系的单词组合。

相比现有的拼音文字词库构建方法和装置以及拼音文字输入法和系统，采用本发明能够大幅提高输入速度。

附图说明

下面将参照附图描述本发明的具体实施例，其中：

图1示出了根据本发明实施例的拼音文字词库构建方法的流程图；

图2示出了根据本发明实施例的拼音文字词库构建装置的结构示意图；

图3示出了根据本发明实施例的拼音文字输入方法的流程图；并且

图4示出了根据本发明实施例的拼音文字输入系统的结构示意图。

具体实施方式

为了使本发明的技术方案及优点更加清楚明白，以下结合附图对本发明的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本发明的一部分实施例，而不是所有实施例的穷举。

如图1所示，其中示出了本发明实施例的拼音文字词库构建方法的流程图。

首先，在步骤S101，动态地获取用户输入的字符串。

用户输入的字符串可动态地从输入法的输出或从编辑器的输入获取。具体地说，可以动态地记录从输入法输出的字符或字符串以获取用户输入的字符串，比如在用户利用全字母输入法或智能输入法直接输出一串字符时。另外，在用户还利用光标等辅助手段编辑输入时，如果程序允许，也可以动态地从编辑器获取用户的最终输入字符串。

接着，在步骤S102，分析字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；

具体地说，用户的输入不仅包括字母、空格、标点符号等，还会包括用数字选择输入法提示的单词，利用删除键或Backspace后退键删除已输入内容。因此，不能仅是简单地原封不动地记录输入，还需要对用户的输入进行分析处理，区别出删除等功能性输入，并转化为处理命令以对输入内容进行相应处理，最终确定出与用户所需对应的输入内容，然后对输入内容进行分析，拆分为语句，并确定每个语句包含的单词。

在对用户输入内容的分析处理中，将作为确定开始或终止记录单词关联关系的标志，通常两个分句符之间的非空字符串视为是一个语句。由于在拼音文字中，逗号、句号、问号等是将语句分隔开的符号，因此在本专利申请文件中将这些符号统称为分句符。进一步地，在拼音文字中一个语句中的不同单词总是由空格或音节分隔符分隔开，于是，可以将一个语句中两个空格或音节分隔符之间的非空字符串视为是一个单词。在本专利申请文件中，分词符指的是空格或音节分隔符。在大多拼音文字中，分词符是空格。但在某些拼音文字中，分词符并不是空格，而是用音节分隔符(tsheg)来分隔。

随后，在步骤S103，记录其中词库中不存在的拼音文字单词出现的次数；以及如果拼音文字单词出现的次数已达到阈值，则将拼音文字单词存储于词库中。

通常，如果判断用户确定输入的单词与词库中的已有单词匹配，则视为是常用单词。但是，如果某一单词不能与词库中的已有单词匹配，但用户又确认其输入正确，则记录为自造词。同时还记录该单词出现的次数。可以设定，在经过若干次（比如3次，当然不限于3次，系统或用户可灵活设置这个次数）用户确认这个单词输入正确后，则可录入用户的词库，在后续用户输入该单词时，不再要求用户确认输入正确。并且该单词可作为常规单词，智能地给用户提示。

接着，在步骤S104，分析拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来。

具体地说，对字符串中的语句进行分析，将用户输入的一个语句（利用分句符来自动判断，分句符作为确定开始或终止记录单词关联关系的标志）分拆为若干个单词的组合，并确定所有单词之间的关联关系（即前后关系），并记录下来。具体地，不仅确定每两个单词之间的关联关系，还可以确定每三个单词之间的关联关系，甚至四个、五个，直到该语句中的全部单词之间的关联关系。但是，通常认为，确定五个单词之间的关联关系就已可满足常规输入需求。当然，如果分析模块的处理能力足够强大，分析更多单词之间的关联关系并确定也是可以预期的选择。举例来说，如果一个语句中包含十个单词，那么会确定两个单词之间的关联关系9次，三个单词之间的关联关系8次，四个单词之间的关联关系7次，五个单词之间的关联关系6次。如前所述，以此类推，可以确定这个关联关系直到九个单词之间的关联关系2次，十个单词之间的关联关系1次。

然后，在步骤S105，记录拼音文字单词之间的关联关系出现的次数，以及如果关联关系出现的次数已达到阈值，则将单词之间的关联关系存储于词库中。

在如前所述，根据用户输入确定出单词之间的关联关系之后，记录这些关联关系及出现的次数，如果某些单词之间的关联关系出现的次数已达到阈值，则将这个关联关系存储于词库中。

在某两个或更多单词之间的关联关系出现次数达到一定阀值（比如3次，当然不限于3次，系统或用户可灵活设置这个次数）时，就自动将其存储到词库中，将其视为常见词组，从而在用户后续输入该词组的首个单词后自动提示与这个关联关系对应的单词组合以供用户选择，从而提高输入速度。

举例来说，用户输入了“WIPO was formally created by the ConventionEstablishing the World Intellectual Property Organization.Under Article3of thisConvention,WIPO seeks to promote the protection of intellectual propertythroughout the world.”（不考虑用户在输入过程中的其他问题，比如打字错误后删除、通过选择确定单词等），那么会自动记录，并且对输入进行分析，根据该字符串中的逗号和句号判断该字符串可分为三个语句，即“WIPO wasformally created by the Convention Establishing the World Intellectual PropertyOrganization”、“Under Article3of this Convention”、以及“WIPO seeks topromote the protection of intellectual property throughout the world”。然后，根据单词之间的空格符号将这三个语句分别地分为若干单词，并自动与词库中的已有单词进行比较，判断每个单词是否为自造词。比如，经比较，发现WIPO为词库中没有记录的单词，确定为自造词，要求用户确认该单词是否输入正确。但如果用户已输入WIPO若干次（比如3次）并确认正确，则将WIPO视为常规单词，录入词库。后续则不再提示要求用户确认是否输入正确。

进一步地，对每个语句进行分析，以“WIPO was formally created by theConvention Establishing the World Intellectual Property Organization”这句话为例。该语句包含13个单词，那么会确定两个单词之间的关联关系12次，即“WIPO was”、“was formally”、“formally created”、“created by”、“by the”、“the Convention”、“Convention Establishing”、“Establishing the”、“theWorld”、“World Intellectual”、“Intellectual Property”、和“PropertyOrganization”。确定三个单词之间的关联关系11次，即“WIPO was formally”、“was formally created”、“formally created by”、“created by the”、“by theConvention”、“the Convention Establishing”、“Convention Establishing the”、“Establishing the World”、“the World Intellectual”、“World IntellectualProperty”、和“Intellectual Property Organization”。以此类推，直到确定五个单词之间的关联关系9次。记录这些关联关系及出现的次数。在这些单词之间的关联关系中，有些比较常用，会重复出现多次，比如“created by”、“IntellectualProperty”、“World Intellectual Property Organization”等，那么在出现一定频次之后，比如3次之后，将其关联关系存储在词库中。那么在后续输入时，可进行自动智能提示。比如，在输入created后，自动出现created by的选择项供用户选择。又如，在输入World Intellectual后，自动出现World Intellectual PropertyOrganization的选择项供用户选择。由此，可以提高输入速度。

相应地，本发明还提供了一种拼音文字词库构建装置。如图2所示，根据本发明实施例的拼音文字词库构建装置2包括：字符串获取模块201，用于动态地获取用户输入的字符串；分析记录模块202，用于分析所述字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；其还用于分析所述拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来；词库203，用于存储单词以及单词之间的关联关系；以及存储模块204，用于记录所述拼音文字单词出现的次数，并且如果所述拼音文字单词出现的次数已达到阈值，则将所述拼音文字单词存储于词库中；以及用于记录所述拼音文字单词之间的关联关系出现的次数，并且如果所述关联关系出现的次数已达到阈值时，将所述单词之间的关联关系存储于词库中。这些模块的具体操作参见以上对拼音文字词库构建方法的描述即可理解，在此不再赘述。

进一步地，本发明还提供了一种拼音文字输入方法。在根据本发明实施例的拼音文字输入方法中，如图3所示，在接收到用户的按键输入后（步骤S301），在显示界面（也称为显示模块）的备选区显示词库中与用户直接按键输入的拼音文字字符相匹配的字符串，供用户从中选择最终输入字符串（步骤S302），其中字符串包括单词以及具有关联关系的的单词组合。

如前所述，通过利用本发明的拼音文字词库构建方法所构建的词库，本发明的输入法能够将具有词库中存储的关联关系的单词组合提供给用户以供用户在输入时选择。由此，可以提高输入速度。

同时，在本发明的这个拼音文字输入方法中，在用户输入内容时后，动态地记录用户输入的字符串；分析字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；记录其中词库中不存在的拼音文字单词出现的次数；以及如果拼音文字单词出现的次数已达到阈值，则将拼音文字单词存储于词库中；分析拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来；记录拼音文字单词之间的关联关系出现的次数；以及如果关联关系出现的次数已达到阈值，则将单词之间的关联关系存储于词库中。这在前面已经详细描述，在此不再赘述。

下面结合图4描述根据本发明的拼音文字输入系统。如图4所示，根据本发明的一种拼音文字输入系统包括：用户接口控制模块（UI控制模块），用于接收用户的输入；词库，用于存储单词和单词之间的关联关系；显示模块，用于显示输入界面，包括显示用户输入字符的输入区和显示待选字符和字符串的备选区；以及输入法引擎，用于根据用户按键输入的拼音文字字符到词库中搜索匹配的字符串，并将匹配的字符串显示于显示模块上，其中，字符串包括单词以及具有关联关系的单词组合。

在这个拼音文字输入系统中，在用户输入内容时后，输入法引擎动态地记录用户输入的字符串；分析字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；记录其中词库中不存在的拼音文字单词出现的次数；以及如果拼音文字单词出现的次数已达到阈值，则将拼音文字单词存储于词库中；分析拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来；记录拼音文字单词之间的关联关系出现的次数；以及如果关联关系出现的次数已达到阈值，则将单词之间的关联关系存储于词库中。这在前面已经详细描述，在此不再赘述。

当然，上述只是对本发明的部分具体实施方式的描述。实际上，本发明的实施方式不限于此。比如，本发明的拼音文字输入法还也实现所提示字符串（单词或单词组合）的动态调整。输入法引擎记录词库中每个单词和单词组合的词频（即用户选择输入的次数），然后根据词频对显示模块中显示的词序进行动态调整，以使最常用的单词或单词组合出现在最前面，方便用户选择。又如，本发明的拼音文字输入法也可具有导入/导出词库的功能。

以上实施例仅用以说明本发明的技术方案，而非对其进行限制。因此，在不背离本发明的精神及其实质的情况下，本领域技术人员可作出各种改变、替换和变型。很显然，但这些改变、替换和变型都应涵盖于本发明权利要求的保护范围之内。

Claims (17)

1.一种拼音文字词库构建方法，包括以下步骤：

动态地获取用户输入的字符串；

分析所述字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；

记录其中词库中不存在的拼音文字单词出现的次数；以及

如果所述拼音文字单词出现的次数已达到阈值，则将所述拼音文字单词存储于词库中；

分析所述拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来；

记录所述拼音文字单词之间的关联关系出现的次数；以及

如果所述关联关系出现的次数已达到阈值，则将所述单词之间的关联关系存储于词库中。

2.如权利要求1所述的拼音文字词库构建方法，其特征在于，利用分句符作为确定开始或终止记录单词关联关系的标志。

3.如权利要求1或2所述的拼音文字词库构建方法，其特征在于，所述拼音文字单词之间的关联关系包括其所在语句中的两个以上直到五个单词之间的关联关系。

4.如权利要求1所述的拼音文字词库构建方法，其特征在于，所述分词符包括但不限于空格和音节分隔符。

5.一种拼音文字词库构建装置，包括：

字符串获取模块，用于动态地获取用户输入的字符串；

分析记录模块，用于分析所述字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；其还用于分析所述拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来；

词库，用于存储单词以及单词之间的关联关系；以及

存储模块，用于记录其中词库中不存在的拼音文字单词出现的次数，并且如果所述拼音文字单词出现的次数已达到阈值，则将所述拼音文字单词存储于词库中；以及用于记录所述拼音文字单词之间的关联关系出现的次数，并且如果所述关联关系出现的次数已达到阈值时，将所述单词之间的关联关系存储于词库中。

6.如权利要求5所述的拼音文字词库构建装置，其特征在于，所述分析记录模块利用分句符来确定单词关联关系的开始或终止。

7.如权利要求5或6所述的拼音文字词库构建装置，其特征在于，所述拼音文字单词之间的关联关系为其所在语句中的两个以上直到五个单词之间的关联关系。

8.如权利要求5所述的拼音文字词库构建装置，其特征在于，所述分词符包括但不限于空格和音节分隔符。

9.一种拼音文字输入方法，包括以下步骤：

接收用户输入；

显示词库中与用户输入相匹配的字符串，供用户从中选择最终输入字符串；

其特征在于，所述字符串包括单词以及具有关联关系的单词组合。

10.如权利要求9所述的拼音文字输入方法，其特征在于，还包括：

动态地记录用户输入的字符串；

分析所述字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；

记录其中词库中不存在的拼音文字单词出现的次数；以及

如果所述拼音文字单词出现的次数已达到阈值，则将所述拼音文字单词存储于词库中；

分析所述拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来；

记录所述拼音文字单词之间的关联关系出现的次数；以及

如果所述关联关系出现的次数已达到阈值，则将所述单词之间的关联关系存储于词库中。

11.如权利要求10所述的拼音文字输入方法，其特征在于，利用分句符作为确定开始或终止记录单词关联关系的标志。

12.如权利要求9或10所述的拼音文字输入方法，其特征在于，所述拼音文字单词之间的关联关系包括其所在语句中的两个以上直到五个单词之间的关联关系。

13.如权利要求9所述的拼音文字输入方法，其特征在于，所述分词符包括但不限于空格和音节分隔符。

14.一种拼音文字输入系统，其包括：

用户接口控制模块，用于接收用户输入；

词库，用于存储单词和单词之间的关联关系；

显示模块，用于显示输入界面；以及

输入法引擎，用于根据用户输入的拼音文字字符到词库中搜索匹配的字符串，并将匹配的字符串显示于显示模块上，

其特征在于

所述字符串包括单词以及具有关联关系的单词组合。

15.如权利要求14所述的拼音文字输入系统，其特征在于，所述输入法引擎还用于

动态地记录用户输入的字符串；

分析所述字符串，确定其中由分词符分隔的字符串片段，将其视为拼音文字单词并记录下来；

记录其中词库中不存在的拼音文字单词出现的次数；以及

如果所述拼音文字单词出现的次数已达到阈值，则将所述拼音文字单词存储于词库中；

分析所述拼音文字单词之间的关联关系，即单词出现的前后关系，并将其前后关系记录下来；

记录所述拼音文字单词之间的关联关系出现的次数；以及

如果所述关联关系出现的次数已达到阈值，则将所述单词之间的关联关系存储于词库中。

16.如权利要求15所述的拼音文字输入系统，其特征在于，所述输入法引擎利用分句符来确定用户输入中的不同语句。

17.如权利要求15或16所述的拼音文字输入系统，其特征在于，记录所述拼音文字单词之间的关联关系包括记录按键输入的各个语句中的两个以上直到五个单词之间的关联关系。