CN1096036C

CN1096036C - 以格阵作关键字的字典检索装置和方法

Info

Publication number: CN1096036C
Application number: CN96112039A
Authority: CN
Inventors: 小川知也
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1995-11-10
Filing date: 1996-11-05
Publication date: 2002-12-11
Anticipated expiration: 2016-11-05
Also published as: CN1153356A; JPH09134369A; KR970029146A; KR100286501B1; US5778405A; JP3152871B2

Abstract

以格阵作为关键字的用于检索TRIE(树检索)字典的字典检索装置和方法，在格阵中，每个识别结果的待选物字符作为数据结点处理，且字符格阵是用每个待选物字符同控制结点连结构成，根据控制结点连结信息，相应于每个分支的字符串通过从头到尾遍历字符格阵的数据结点而被检索。根据这种方法，在字符格阵中包含的所有检索关键字形成以后，同用字典匹配实现的处理相比，得到更高的检索效率。

Description

以格阵作关键字的字典检索装置和方法

技术领域

本发明涉及一种字典检索装置和方法，以检索字典，它基于包括多个被识别的字符或音素待选的格阵(lattice)结构数据，来识别字符，语音等等。

技术背景

近几年来，为计算机研究了一些更有效的数据输入方法。为了把数据输入给计算机，一些识别技术，如字符识别，语音识别等是大家知道的。对于利用待识别字符串字典的核对(collating)方法有散列法，B-树法和TRIE法(树检索法Tree Retrieval method)。散列法是寻找对应于检索关键字内码的记录字之存储地址的一种方法。B-树法是一种对存储在B-树的每个结点的记录字进行检索的一种方法。B-树是一种搜索树，它在一个单结点上具有多个分支。TRIE法，它是通过把部分检索关键字同在树结点上存储的索引，进行比较，对通过分类存储在叶上的记录字进行检索的。为了识别处理，被识别结果的多个待选可以以字符和音素存在，对于多个待选的字典检索方法，字典的检索是基于格阵结构数据而被搜索的，其中待选择的字符和音素结构是格阵结构。

当一种传统的字典，用于识别过程中时，有一种右截断压缩字典。在这种首语重复法(anaphora)压缩字典中，在字典中所存储的识别字当同另一被识别字的首部一致时通过压缩来存储。例如，有3个短语“computer architecture”，“computer system”和“computerintroduction”，其中第一个字“computer”被压缩掉，那是因为“computer”对这三个短语来说是公共的。利用首语重复法压缩的字典，对字符串检索处理，能得到可识别字符串集，这些字符串从所给的格阵字符的顶部开始顺序得到，用字典中所识别的字比较，然后实现匹配处理。

然而，对上述传统的检索处理存在下述问题。

当处理的例子中存在多个所识别结果的待选时，存在手写字符的识别处理和语音识别处理。对这种类型的识别处理，字典检索是无法大规模实现的。尽管，基于散列法的字典检索主要的提供方法。然而，散列法中，当关键字冲突发生多次时，其控制逻辑变得复杂，且当格阵变大时，它的搜索效率变低。而B-树法，有其它问题，无法实现高速检索。

TRIE法同上面所描述的方法相比，能实现高速检索。而且，当TRIE字典是基于字符格阵被检索时，如果字符串通过待选格阵字符组合而形成，待选择字符的数目越大，形成的字符串的数目越大。如果字典的检索是通过设定每个字符串作为关键字来实现，就会出现过量的组合，检索不可能在合理的操作时间内完成。结果，在这种识别处理中，需要多次执行字典检索，因此，就出现了不能高速检索问题。

发明内容

本发明的目的是提供一种利用基于所给格阵结构数据的TRIE字典实现高速检索的设备和方法。

本发明的字典检索单元包括检索单元，复合关键字管理单元，检索状态存储器单元和输出单元。

复合关键字管理单元管理复合关键字信息，复合关键字是有组织地结合的多个数据结点组成的，它包括二个或多个检索关键字，检索单元通过对上述复合关键字数据结点的遍历，检索对应于上面所述TRIE字典的记录。

复合关键字是由表示例如识别结果的待选择语音和待选择字符的数据结点顺序连结而构成的。取决于链接到下面的数据结点数目，分支成很多数据结点序列。因此，一个复合关键字从头到尾包括多个数据结点序列，作为检索关键字。作为这类关键字，有一字符格阵。

检索单元在对复合关键字从头到尾连续对数据结点遍历的同时，检测出是否记录符合每个数据结点的通路。如果存在符合的记录，则作为检索结果被检索，并存储到检索状态存储器单元。进而，若没有相应的记录，下一个数据结点就成为检索的目标。而TRIE字典以同样方法被检索。

检索状态存储器单元，存储代表在上述复合关键字中，所检索的数据结点的位置信息，以及通过检索单元得到的检索结果。为了存储检索的状态，利用如OPEN表这样的数据结构。因为输出单元输出检索的结果，所得到的检索结果对用户来说，例如作为识别结果的待选字符串呈现。

根据这种字典检索单元，在复合关键字从头连续展开时，复合关键字同TRIE字典所寄存的字符串比较。因为这样，对于包含在复合关键字中的多个检索关键字的重复部分，同字典的比较能一次实现，字典检索的效率能提高。

而且，字典检索单元，从复合关键字头到每个数据结点，对每个数据结点计算表示字符串确定性的估算函数值。然后，当该值变成一个预定值时，检索通路的修剪通过终止检索能被实现。因而能实现高速处理。

本发明的通过字典检索单元的检索方法能适合任何语言，如日文，中文，朝鲜文，英文，法文，德文等的校对支持处理和字符识别处理。即使在检索结果字符中包含有符号和图形也能被实现。而且，本发明能用于对如语音识别等进行处理。

附图说明

根据下面结合附图的详细说明，将使对本发明的了解更清楚，其中：

图1是本发明的字典检索单元的原理性方块图；

图2是字典检索单元的模块图；

图3是信息处理系统方块图；

图4图示了一个源图象；

图5图示了所显示的字符阵示例；

图6图解说明用在控制结点上的第一个字符阵；

图7图解说明一个控制结点；

图8图解说明一个数据结点的结构；

图9图解说明第二个字符阵，其中包含边界设定错误；

图10是显示第二字符阵形成的树；

图11图解说明TRIE字典的结构；

图12图解说明OPEN表的结点结构；

图13是第一检索过程的流程；

图14图示说明深度优先搜索；

图15显示了记录识别处理的流程；

图16显示了广度优先搜索的流程；

图17显示了最佳优先搜索的流程；

图18显示了检索停止处理的流程；

图19显示了检索再启动处理的流程；

图20显示了第二检索处理的流程；

图21显示了第三检索处理的流程；

图22显示了用于校对支持的第三检索处理流程图；

图23显示了第四检索处理的流程；

图24图示说明一幅英文字的原始图象；

图25图示说明一个英文字符格阵实例；

图26图解说明第四字符格阵；

图27图解说明第五字符格阵，其中包括边界设定错误；

图28图解说明一英文字的TRIE字典；

图29图解说明在最佳优先搜索中英文字的OPEN表。

具体实施方式

下文根据图，解释本发明的优选实施例。

图1是本发明的字典检索装置的原理性方块图。在图1中，包括检索单元1，复合关键字管理单元2，检索状态存储器单元3及输出单元4。

复合关键字管理单元2管理复合关键字信息，其中包括有组织地结合起来的多个数据结点，还包括2个或更多个检索关键字。

检索单元1通过遍历上面所述的复合关键字中的数据结点，检索相应的记录，并检索对应上面所述的TRIE字典的记录。

检索状态存储器单元3存储由上面的复合关键字中所检索的数据结点的位置信息，及从检索单元1中得到的检索结果。

而输出单元4输出上面所述的检索结果。

复合关键字包括数据结点，它们表示按识别顺序识别结果的选择字符和音素，并根据紧跟在每个结点之后被连接的数据结点数分支成多个数据结点序列。因此，一个单独的复合关键字包括作为检索关键字的从头到尾的多个数据结点序列，而字符格阵就是这种复合关键字。

检索单元1通过复合关键字从头到尾顺序地遍历数据结点，检验对应于每个数据结点通道的记录是否存在于TRIE字典中。若发现记录存在，相应的记录作为检索结果被检索出，并存到检索状态存储器单元3。而若没有找到相应的记录，则检索下一个数据结点，用同样的方法检索TRIE字典。

这样得到的检索结果，例如可作为选择的字符串的识别结果，由外部输出并提供给用户。

根据字典检索单元的这种形式，复合关键字同TRIE字典中所存的字符串比较，以这样的方法，复合关键字从头开始顺序展开。因此，用包含在复合关键字中多个检索关键字的重复部分形式，字典比较一次搜索已足够，且检索处理效率变高。另外处理时字典的检索速度变得更高。当得到合适的检索结果时，终止处理。

例如，在图1中的检索单元1对应于字典检索控制模块13，示于图2中，将在下面进行解释。复合关键字管理单元2和检索状态存储器单元3分别对应于格阵信息管理模块12和字典检索状态信息管理模块14。而输出单元4对应于图3中的输出单元24。

图2是字典检索装置的模块原理图。在图2中的字典检索装置11包括格阵信息管理模块12，字典检索控制模块13，字典检索状态信息管理模块14，估算函数模块16，修剪确定模块17和TRIE字典访问模块18。

格阵信息管理模块12管理输入格阵信息。字典检索控制模块13，通过TRIE字典访问模块18，用顺序遍历格阵结点的方法，访问在TRIE字典存储单元19中存储的、对应于TRIE字典中的格阵结点部分。它们根据预定的控制方法从格阵信息管理模块12中得到。然后，通过确定是否在字典中有记录存在，实现对字典的检索，并输出检索结果，字典检索状态信息管理模块14根据需要更新字典检索状态信息15，并根据需要，给用户提供更新的结果，与此同时通过字典检索控制模块13实现检索。

在检索执行过程中，估算函数模块16在检索点上计算估算值，并把该值送到字典检索控制模块13。字典检索控制模块13用所接收的估算值实现有效的检索。修剪确定模块17用估算值确定格阵结点上的修剪是否可能。当修剪确定模块17确定修剪可能时，这种格阵比对应结点更深，修剪亦可能，将不再检索。所以，其结果使字典检索变得更为有效。

图3是用来实现字典检索装置的信息处理系统方块图。在图3的信息处理系统中包括CPU21，存储器22，输入单元23，输出单元24，TRIE字典存储单元19及把它们相连的总线25。当这种型式的信息处理系统实现字符识别处理时，输入单元23可能是图象输入设备如扫描仪，输入单元23常用来输入待识别的字符串的原始图像。而且，当执行语音识别处理时，输入单元23是包含话筒，声音译码装置等的声音输入设备，用以输入待识别的声音。

CPU21利用存储器22执行输入源图象或声音的识别处理，并且产生包括很多待选字符的格阵。此外，CPU21通过执行存储在存储器22中的程序实现同格阵信息管理模块12、字典检索控制模块13、字典检索状态信息管理模块14、估算函数模块16、修剪确定模块17和TRIE字典访问模块18相同的功能。而且，CPU21通过按检索关键字格阵处理，在TRIE字典存储单元19中检索TRIE字典，输出单元24如显示装置，打印机装置等，用来显示和输出正被执行的检索状态和检索结果。

而字符识别处理，以日语源图象的作为例子，参考图4到7来说明。

图4显示了待认别的源图象。当图4中的源图象，通过OCR(光学字符识别)处理，作为字符“大学しこ行く”被识别，如果没有字符边界设定错误，图5中所见的字符格阵就得到，在图5的格阵中，第一行上，包含在源图象中的每个字符的第一待选被列出，而第二待选和第3待选分别在第2行和第3行上列出。图6画出了用数据结点和控制结点表示的字符格阵。

图6中的第一字符格阵包括控制结点和数据结点，数据结点以格阵形式在水平和垂直方向排列，每个待选字符作为字符识别结果，随同它的属性存储在数据结点上。

待选字符的属性描述了表示字符识别结果确信性的估算值。这里，写在每个数据结点下面的数字值表示识别的距离值，这个距离值是估算值的一种表示，识别距离值意味着所识别结果的字符模式和在相应字典中可得到字符的字符模式之间的距离值，它表示作为源字符的待选字符的确信性，识别距离值越小，源字符模式和字典中待选字符模式之间类似关系越紧密，且待选字符的确信性越高。这里，“[Head]”和“[Tail]”数据结点不是被识别的结果，而设立这些特殊数据结点，是为了处理方便。而且，在那里不指示识别距离值。

控制结点在数据结点之间，主要用于字典检索处理控制；并在检索以后用于提供处理所必须的信息。为了上述各种用途，从“[Head]”向“[Tail]”按结点顺序位置在控制结点上提供标识符如C₀，C₁，C₂，C₃，C₄和C₅，标识符包括的数字值越小，越靠近“[Head]”的位置。

图7和8说明相应控制结点和数据结点的结构，它们分别由格阵信息管理模块12管理，连到控制结点的数据结点的数目和指向这些数据结点的指针存储在图7中控制结点内。例如，在图6中对控制结点C₀的数据结点数目为3，因为顺序的数据结点是“文”，“大”和“丈”，而指向这三个数据结点的指针被存储。

另外，连到数据结点的控制结点的标识符(控制结点ID)，识别的距离值及由数据结点表示的待选字符的字符信息存于图8的数据结点中。例如，在数据结点为“文”的情况下，表示待选字符“文”的字符信息被存储，它的识别距离值为10，后续控制结点标识符为C₁。

虽然，在图6中控制结点的顺序和数据结点的顺序采用在识别期间无边界设定错误的正常结点顺序，若具有边界设定错误，数据结点可以不用格阵形式来安排。在这种情况下，作为识别结果的格阵字符将是如图9所示的图形方式的数据。当图9中的第二字符格阵同图6中第一字符格阵比较时，二个待选字符“し”和“こ”被插在控制结点C₂和C₄之间，这些是根据包含在源图象中的“しこ”设定的边界产生的，因而数据结点“し”，“こ”和控制结点C₃安排成同其它识别待选数据结点“しこ”和“院”并行，表示同一字符。

字典检索控制模块13通过遍历图6和图9中字符格阵中的每个结点实现字典检索。当图9中的字符格阵作为检索关键字处理时，这种类型的处理同在图10中遍历树结构的处理相同，其中字符格阵被展开。在图10中，连到每个控制结点的数据结点，把数据结点“[Head]”作为根结点处理，按顺序展开，而每个分支的末端由数据结点“[Tail]”终结。在数据结点“字”以后，后面的展开是同数据结点“学”形成的树的展开相同，数据结点“大”和“丈”以后，后面的展开是同数据结点“文”形成的树的展开同样的。

图11说明具有这样形式待选字符的TRIF字典结构。在图11中的TRIE字典是寄存的字和字符串的记录的集合，这些字和字符串作为关键字来处理。所寄存字的记录用包括表示字本身的一部分语言和信息的数据对来表示。例如，在记录区25中记录的“大”包括表示字“大”的数据和表示前缀的数据，而记录“大学”包括表示字“大学”的数据和表示普通名词的数据。

另外，在大部分情况下，在TRIE字典中关键字用索引树来表示。当通过将正常字符串作为关键字处理，字典检索被实现时，相应于键字的记录(如果它们存在)，通过连续遍历分支作为检索的结果输出，而遍历的分支对应于来自索引树的根索引的字符串关键字的每个元素。而且，在分支过程中找到的记录随同检索结果一起输出，因为当实际上实现字符识别处理时，在大部分情况下，中途找到的记录是有用的。

图11中，在记录区35中，指向记录“丈”的指针被存储在索引31中“丈”的位置，下一个索引32的指针和下一个索引34的指针分别存于“大”的位置和“丈”的位置。这里，所指记录的指针用虚线表示，所指索引的指针用实线表示。实际上，这些指针通过使用每个指针的MSB等而区别。

指向记录“大”的指针存于索引32的顶部位置0，而指向牵引33的指针存于“学”的位置。同样，指向记录“大学”，“大学院”，“文学”和“文字”的指针被存于索引33和34中。

在本发明的字典检索中，字符串并不各自从表示很多关键字的字符格阵中产生。但字符格阵节点连续地从字符格阵的顶部被检验。对每个数据结点，对应于待选字符的分支，连续地通过索引树而被遍历，字符格阵结点的连续遍历，如同前面所述，在图10中树结构的遍历相同。若用这样方法实现检索，包括在字符格阵中的所有关键字不需产生，因为检索空间能够限制在存在检索结果的区域内从而可实现有效的检索。

尽管，对格阵结点，能应用通常所述的树搜索的许多类型的遍历方法，为了容易解释，这里，作为一个优选例子，用OPEN表方法来解释，OPEN表对应于字典检索状态信息15，同时包括被检索的格阵内的数据结点。

图12说明为每个元素结点形成OPEN表的排列结构。各种元素，例如指向下一个OPEN表的元素结点的指针，为最后控制结点的ID，作为最后控制结点的数据结点数，指向父结点的指针，指向相应TRIE字典的指针及估算函数值被存于图12中OPEN表的每个元素结点中。这里，最后控制结点的数据结点数等于相继数据结点的标识号，它们可方便的在格阵中在被检索的数据结点之前，直接在最后控制结点上方便地确定。而且，指向TRIE字典的指针是指向在检索中所用的TRIE字典的指针，估算函数值表示通过使用字符识别距离值等计算的字符串的确信性。

图13是基于OPEN表的第一检索过程流程。检索处理程序是通过字典检索模块13执行的。在图13中，当处理开始时，首先用字典检索控制模块13把格阵数据结点“[Head]”输入给字典检索状态信息管理模块14(步S1)中的OPEN表。在图14的OPEN表L₁表示图9中从字符格阵“[Head]”被检索的状态被存储。

其次，检查OPEN表是否为空(步S2)，如果OPEN表不空，在OPEN表中头元素结点成为结点“n”。然后，检查在TRIE字典中记录区35内是否存在相应结点“n”(步S4)。

图15显示了步S4中所示的记录检查处理子程序的流程。在图15中，当开始处理时，字典检索控制模块13，首先检查指针是否在TRIE字典中结点“n”上。也就是，对应于结点“n”索引位置上存储的指针是指向索引的指针(步S11)。

因为在这种情况下，位于结点“n”位置的指针指向索引，检查是否指向记录区35中记录的指针存储在下一级索引的位置0，而下级索引是用上面所述结点“n”位置的指针所指的(步S12)。如果有一指针指向记录，通过对图13主程序返回“true”而处理终止(步S14)。如果没有指针指向记录，通过对主程序返回“false”而处理终止(步S15)。

在步S11中，若在结点“n”位置上的指针不指向索引，就检查是否该指针指向记录(步S13)。如果有指针指向记录(步S14)，通过向主程序返回“true”而处理终止(步S14)。而如果没有指针指向记录，通过向主程序返回“false”而处理终止(步S15)。

如果从主程序返回“true”，字典检索控制模块13通过用指向对应于结点“n”的记录，从记录区35检索记录，并把检索的记录存到字典检索状态信息管理模块14，作为检索结果(步S5)。如果从子程序返回“false”，基于对应于结点“n”无记录而确定处理进入到步S6。

在图14的OPEN表L₁的情况下，尽管只是元素“[Head]”能是结点“n”(步S3)，因为结点“[Head]”指示了在图11中TRIE字典的第一索引31，索引31的位置0被检验(步S12)。然而，指针并没有存储在索引31的位置0(图14中未显示)，所以，确定相应的记录不存在(步S15)。

下一步，再检查是否在TRIE字典中结点“n”位置上的指针指向索引(步S6)。如果指针不指向索引，重复下面在步S2中和以后的过程。如果指针指向索引，在格阵中结点“n”的子结点被展开，每个子结点被插入到OPEN表的适当位置(步S7)。然后重复下面在步S2中和以后的过程。如果在步S2中OPEN表空，处理终止。

这里，结点“[Head]”指示出索引31，作为交结点的数据结点，例如“文”，“大”，和“丈”被展开，及插入到OPEN表的头位置。然后，OPEN表成为L₂(步S7)，如OPEN表L₂不是空表，头元素“文”可能是结点“n”(步S3)，并检查是否存在相应结点“文”的记录(步S4)。在图11的TRIE字典中，在索引31中“文”位置上包括的指针指向下一级索引34。因此，索引34的位置0被检验(步S12)。这里，在位置0指向记录“文”的指针被标识。并且该记录作为检索结果被存储(步S5)。

下一步，根据结点“学”和“字”，它们是结点“文”的子结点，被插入到OPEN表。因为，在结点“文”位置的指针指向下一级索引34(步7)。

现在，对图10的树有3种类型的典型的搜索方法：深度优先搜索，广度优先搜索和最佳优先搜素。深度优先搜索法是对每个分支从[Head]向[Tail]方向搜索的方法。广度优先搜索法是以广度方向优先来搜索所有分支，然后，在深度方向搜索所有分支。最佳优先法是以顺序从具有最佳估算函数值分支顺序进行搜索的方法。

这些方法中选择搜索方法的决定，取决于在图13中步S7上结点“n”的子结点在OPEN表中的插入位置，如果子结点被插在OPEN表的头部，用深度优先搜索法，如果子结点被插在OPEN表的尾部，用广度优先法，而如果插入位置是在指定条件下，根据估算函数值确定的，用最佳优先法搜索。图14中说明了深度优先搜索法的OPEN表的例子。图16说明了广度优先搜索法的OPEN表的例子，而图17说明了最佳优先法的OPEN表的例子。

首先，在此参照图14对图10的树用深度优先搜索法来解释。正如上面所述，当从OPEN表L₂检索对应于元素“文”的记录“文”作为检索结果被存储时，在图9中的数据结点“文”的子结点“学”和“字”被展开，且顺序从头位置在OPEN表中被插入。因此，OPEN表成为L₃。在OPEN表L₃中，作为一例子，元素“(文)学”代表对应于子结点“学”的元素结点，从父结点“文”展开。这种表示形式可用于同样方式的其它元素中。

图12中说明了对应于元素“(文)学”的安排数据的结构。指向下一个结点的指针指到OPEN表L₃中下一个元素结点“(文)字”。而且，作为最后的控制结点ID，控制结点标识符C₁，被存储。该标识符C₁提供在图9中的数据结点“学”的前面。最后控制结点的数据结点数代表在最后控制结点后面，以连续顺序给的数据结点数。这里，数字1和2分别给控制结点C₁后数据结点“学”和“字”。结果，数据结点“(文)学”的数变成1。

当指针指向父结点时，指向对应于格阵中父结点“文”的元素结点被存储。当指针指向TRIE字典时，在图11中TRIE字典的索引34中表示“学”位置的指针被存储。估算函数值，在本说明的后面部分解释。

对图12中的元素结点，最后控制结点的ID和控制结点的数据结点数被设计成便于存储。另一方面，在格阵中指向相应数据结点自身的指针可以被存储。

其次，通过从OPEN表L₃中检索“(文)学”形成结点“n”(步S3)，且相应的记录“文学”作为检索结果被存储(步S5)。在这点上，虽然OPEN表变成L₄，由于指向记录“文学”的指针已经存储在对应于“(文)学”位置上，新的子结点就不再插入了。

再次，从OPEN表L₄检索“(文)字”形成结点“n”(步S3)，相应的记录“文字”作为检索的结果被存储(步S5)，而OPEN表成为L₅。在这种情况下，由于下一个索引的指针还没有存储在相应于“(文)字”位置，新的子结点将不插入OPEN表。

其次，通过从OPEN表L₅中检索“大”形成结点“n”(步S3)，且相应的记录“大”作为检索结果被存储(步S5)。在这点上，指向下一级索引32的指针被存储在相应的“大”的位置上，结点如“(大)学”和“(大)字”作为“大”的子结点被插入到OPEN表的头位置(步S7)。结果，OPEN表成为L6。

其次，通过从OPEN表L₄检索“(大)学”形成结点“n”(步S3)，且相应的记录“大学”作为检索结果被存储(步S5)，指向下一级索引33的指针被存储在对应于“(大)学”的位置上，而结点例如“(大学)しこ”，“(大学)院”，及“(大学)し”作为“(大)学”的子结点被插入到OPEN表的头位置(步S7)。结果，OPEN表成为L7。

接着，虽然通过OPEN表L₇检索“(大学)しこ”形成结点“n”(步S3)，因为对应于TRIE字典的索引不能找到，得不到检索结果，结果，OPEN表成为L8。接着，OPEN表L8的“(大学)院”可能是结点“n”(步S3)，且相应的记录“大学院”作为检索的结果被存储(步S5)。用这种方法，OPEN表的元素结点被处理，当OPEN表空时，检索处理终止。

其次，参照图16对图10的树用广度优先搜索法来解释。在广度优先搜索的情况下，在图13步S7中展开的子结点被插入到OPEN表的尾部。在图16中，在OPEN表L₁₁和L₁₂产生的处理是同对图14中OPEN表I₁和I₂的处理相同的。

当从OPEN表L₁₂中检索“文”(步S₃)，记录“文”成为检索结果时(步S5)，它的子结点如“文(学)”和“(文)字”被插入到OPEN表的尾部(步S7)。结果，OPEN表成为L₁₃，而“大”从OPEN表L₁₃中被检索(步S3)记录“大”成为检索结果(步S5)，它的子结点例如“(大)学”和“(大)字”被插入到OPEN表的尾部(步S7)。结果，OPEN表成为L₁₄。

其次，从OPEN表L₁₄检索“丈”，且记录“丈”成为检索结果(步S5)。结果，OPEN表成为L₁₅，然而，在TRIE字典中没有“丈”的索引。因此，新的子结点不能被插入。以同样的方法，OPEN表改变成L₁₆和L₁₇而不增加元素结点。此时记录“文学”和“文字”成为检索的结果。

其次，通过从OPEN表L₁₇检索“(大)学”(步S3)，记录“大学”成为检索结果(步S5)，而它的子结点如“(大学)しこ”，“(大学)院”和“(大学)し”被插入到OPEN表的尾部(步S7)。结果，OPEN表成为L₁₈。以这种方法，在OPEN表中的元素结点被处理。当OPEN表空时，检索处理终止。

下面对图10中的树的最佳优先搜索法参考图17作解释。对于最佳优先法，对形成的子结点的插入位置是根据图13中步S7，用估算函数模块计算的估算函数值来确定的，因此，首先，在此说明一下估算函数。

在格阵中数据结点的估算函数值是根据从结点“[Head]”到数据结点的分支(数据结点的序列)，在检索方法直到数据结点期间得到的信息等等而被计算的，更明确地说是根据例如分支上数据结点数，每个数据结点的属性，使用的符号类型的属性，排列序列，及数据结点的识别距离值来计算。

当估算函数值随分支变得更长而单调增加时，这类估算函数称为单调增加函数。作为单调地增加的估算函数值的例子。在分支上，具有数据结点识别距离值的总值，并且有些数据结点它的识别距离值是大于指定值。

当估算函数是单调增加函数时，为了在图13，步S7上，在OPEN表内插入结点“n”的子结点，最佳优先搜索通过插入子结点，以便使OPEN表内元素结点按较佳估算函数值次序排列而实现搜索。也就是，在这种搜索方法中，树搜索按较佳函数值结点次序实现。每个树结点对应于TRIE字典的每个检索关键字，对结点的估算函数值可能是相应于检索关键字字符串的估算函数值。而且，为了字典检索，检索按检索关键字较佳估算函数值的次序实现，且检索结果记录按这样的次序取出。

在图7的最佳优先搜索方法中，估算函数模块16利用给予分支的每个数据结点识别距离值的和，并计算它的值，此外，字典检索控制模块13在字典检索状态信息管理模块14中存储所计算的值，作为OPEN表相应结点估算函数值。而且，估算函数值越小则越好。

在图17中展开OPEN表L₂₁和L₂₂的处性同图14中展开的OPEN表L₁和L₂的处理是相同的，然而，元素结点，如“文”，“大”和“丈”按照写在元素结点上较小的估价函数值顺序存储。

其次，当记录“文”通过从OPEN表L₂₂(步S3)检索“文”而变成检索结果时(步S5)，它的子结点例如“(文)学”及“(文)字”被展开。这里“(文)学”的估算函数值基于数据结点的识别距离值，如在图9中“文”和“学”成为30。“(文)字”的估算函数值基于数据结点的识别距离值例如“文”和“字”成为60。

这种估算函数值同元素结点如“大”和“丈”的估算函数值比较，而“(文)学”被插到OPEN表的顶部，“(文)字”被插到OPEN表的尾部(步S7)。结果，OPEN表成为L₂₃。

接着，记录“文学”通过从OPEN表L₂₃检索“(文)学”(步23)而变成检索结果(步S5)，且OPEN表成为L₂₄。

接着，记录“大”通过从OPEN表L₂₄检索“大”(步S3)而变成检索结果(步S5)。然后它的子结点例如“(大)学”和“(大)字”被插入到相应于它们各自的估算函数值50和80位置(步S7)。结果，OPEN表成为L₂₅。

接着，记录“大学”通过从OPEN表L₂₅检索“(大)学”(步S3)变成检索结果(步S5)。然后它的子结点“(大学)しこ”，“(大学)院”和“(大学)し”按估算函数值60，100和110位置被插入(步S7)。结果OPEN表成为L₂₆。

同样方法，OPEN表变为L₂₇和L₂₈，记录如“丈”和“文字”变为相继的检索结果。以这种方法，实现OPEN表中元素结点的处理。如果OPEN表变为空，检索处理终止，根据图17的检索结果，我们能了解，记录能按较佳估算函数值的次序而被检索。

其次，参照图18到23解释其它检索处理。

在图13的检索处理算法中，检索进展状态信息包括在包含OPEN表及检索结果的字典检索状态信息15中，如果有为检索停止的字典检索状态信息15，则检索能被再启动。而且，当图13步S4中，具有对应于TRIE字典的结点“n”的记录，检索结果可以用字典检索状态信息15输出。如果需要，在检索停止后，根据字典检索状态信息15检索可被再启动。

图18是一个流程图，显示了中途停止第一检索处理的处理。当在图13的步S2上OPEN表非空时，字典检索控制模块13输出此时得到的检索结果和向操作者询问是否应当停止检索处理(步S21)。

如果经操作者指示检索停止，当从OPEN表检索的所有元素结点数据和在OPEN表上的每个元素结点数据被存储到字典检索状态信息15时，处理终止(步S22)。而且，当操作者指示检索处理继续时，在图13的步S3中或S3后的过程被执行。

在最佳优先搜索中，记录按较小的估算函数值顺序被检索。而且，通过中途停止检索处理，只有估算函数值等于或小于指定值时，才能作为检索结果输出。结果，较佳的待选字符串能在短时间内得到。有效的检索处理就能实现。

图19是处理流程图，显示了在一旦检索处理停止以后第一检索处理再启动的流程。在图19中，当处理被再启动，首先，字典检索控制模块13检索所存储的字典检索状态信息15。然后，已被停止的状态在OPEN表中被复位(步S23)。然后，在步S2及以后的下面过程被实现。对于检索处理的这类停止和再启动过程遇到需要就能实现。

接着，当检索记录的估算函数值大于指定值时，通常，因记录的估算不理想，估算函数值多半不适合作为识别的结果。因此，无需关心是否估算函数是单调地增加，通过返回估算函数值大于或小于指定值的记录作为检索结果，有效检索处理是可能的。

图20是流程图，显示了第二种检索处理的型式。在图20中，当处理被启动时，字典检索控制模块13在OPEN表中插入格阵数据结点“[Head]”(步S31)。接着，检查OPEN表是否是空(步S32)。如果非空，在OPEN表中头元素结点变成结点“n”(步S33)。然后，检查是否结点“n”的估算函数值大于预先指定的值(步S34)。

如果估算函数值不大于指定值。那末检查相应结点“n”的记录是否存在于TRIE字典中记录区35中(步S35)。如果估算函数值大于指定值在步S37的处理被实现，不必检查相应记录的存在。

在步S35的记录检查过程用图15的子程序实现，当从子程序返回“true”时，字典检索控制模块13通过使用指向相应于结点“n”的记录指针从记录区35检索记录，然后，记录作为检索结果存储到字典检索状态信息管理模块14中(步S36)。如果从子程序返回“false”，通过确定相应于结点“n”的记录不存在在步S37的过程被执行。

接着，检查是否在TRIE字典中结点“n”位置上指针是指向牵引的指针(步S37)。如果它不是指向索引的指针，在步S32以后重复下面过程。如果在结点“n”位置的指针指向索引，格阵中结点“n”的子结点被展开。并且每个子结点按照估算函数值插到OPEN表的适当位置(步S38)。然后在步S34中和以后的处理被重复，如果OPEN表是空，在步S32处理终止。

根据第二检索处理的类型，处理能被实现，直到最后得到合适的记录。这些记录作为检索结果具有较佳估算函数值，且对识别结果的决定以后能有效形成。这里，在步S34，当估算函数值是等于或大于指定值时，步S37的过程能标出并被实现。

在第二检索处理中，当估算函数是单调增加时，如果一个结点的估算函数值等于大于或超过指定值，字典检索的实现变得不需要，因为估算函数值对下面的部分树(partial tree)不再会变得更佳。在这种情况下，修剪确定模块17能确定部分树的修剪是可能的。然后，字典检索控制模块13终止对部分树的检索处理。

于是，部分树修剪被实现且字典检索有效实现。此时，估算函数值没有希望能改进。此后，字典检索控制模块13继续检索树的剩余部分。只有具有相对较佳的估算函数值的记录才可能是检索的结果。

图21是第三检索处理流程，用于实现这种形式的修剪。在图21中，当处理开始时，首先，字典检索控制模块13在OPEN表中插入格阵数据结点“n”(步S41)。接着，检查是否OPEN表空(步S42)，如果它是空，OPEN表中的头元素结点成为结点“n”(步S43)。

这里，修剪确定模块17检查估算函数值是否超过预定值(步S44)。而且，如果估算函数值没有超过指定值，它确定修剪是不可能的，或者如果超过指定值它确定可以修剪，所确定的结果给字典检索控制模块13。

在不可能修剪的情况下，字典控制检索模块检查是否相对应于结点“n”的记录存在于TRIE字典中记录区35内(步S45)。在步S45的记录检查过程通过图15中子程序实现。

如果从子程序返回“true”，字典检索控制模块13用指向对应结点“n”记录的指针，从记录区35检索记录。然后这个记录，作为检索结果被存到字典检索状态信息管理模块14。如果从子程序返回“false”这就确定了对应于结点“n”的记录不存在。并且步S43的过程被实现。

接着，检查TRIE字典中结点“n”位置的指针是指向索引的指针(步S47)。如果它不指向索引在步S42中和以后的过程被重复。如果在结点“n”位置的指针指向索引，在格阵中结点“n”的子结点被展开，且每个子结点根据估算函数值被插入到OPEN表的适当位置(步S48)，然后下面在步S42内或以后的过程被重复。

当估算函数值超过在步S44指定的值时确定修剪是可能的。步S42的过程被重新执行，不必展开子结点和检查记录，根据这个过程，对结点“n”和子结点的搜索停止，修剪被实现。然后，下一个元素结点从OPEN表被检索，并在步S43内和以后的过程被重复，如果在步S42OPEN表是空，处理终止。

在估算函数值是单调增加的情况下，具有相对较佳估算函数值的检索结果可以以比第二检索处理更高的速度得到。这里，在步S44当估算函数值等于或大于指定值时，在步S42上的处理能被重新实现。

图22说明在校对支持处理中所用第3字符格阵。在校对支持处理中，为了校对在一已往存在句子中包括的校对错误字符，实现用格阵字典检索。

在图22的字符格阵中，包含在原始句子中的“性急项目”的字。“性急”，“请求”和“制球”为三个同音异义词，它们包含有相同的发音“Sei Kyuu”。当所有这些字按字符单位分成数据结点时，控制结点变成用黑点和白点代表的7个结点。如C0，C1，C2，C3，C4，C5和C6，字典检索单元11根据在TRIE字典中“请求项目”字信息和字符格阵中同音义异信息，确定原始字错误的可能性。

这里，在例中，把“性急项目”事先相应地分成“性急”和“项目”两个字是可能的。字典不必以较小字符单元对每个字例如“性急”，“请求”和“制球”去检索。因此，通过对不需要检索控制结点部分作出标记能防止从TRIE字典浪费地处理返回的不需要的检索结果。

在图22中，这类不需要检索的控制结点用白点表示。对这类结点，不需要加标识符。所以，当标识符对用黑点表示的控制结点被重新加上时，这样，在“( )”内指示的控制结点如C0，C1和C2就得到。

为区分控制结点，将使用这种类型的检索。根据不需要的结点，字典检索条件信息被加到图7中控制结点的数据安排上。而且，字典检索条件信息被标记成不需要检索的信息，然后字典检索控制模块13跳过这些控制结点而实现检索处理。

图23是一流程图，显示了使用字典检索条件信息的第四检索处理。在图23中，当开始处理时，字典检索控制模块13在OPEN表内插入格阵数据结点“[Head]”(步S51)。接着，检查是否OPEN表为空(步S52)，如果不空，OPEN表中的头元素结点变成结点“n”(步S53)。

接着，检查对应结点“n”的控制结点是否被标记为表示不需要检索的信息。这里，结点“n”之后的作为控制结点的字典检索条件信息被检查。如果没有标记为表示不需要检索信息。那么检查对应于结点“n”的记录是否存在于TRIE字典的记录区(步S55)。如果具有这种标记，不需检查相应记录的存在，步S57的处理被实现。

在步S55上记录的检查处理用图15中子程序实现。如果从子程序返回“true”，字典检索控制模块13用指向对应于结点“n”记录的指针，从记录区检索记录。并在字典检索状态信息管理模块14中存储检索的记录作为检索结果(步S56)。如果从子程序返回“false”。被确定为对应于结点“n”的记录不存在。在步S57的处理被实现。

例如，当图22中的数据结点“ ”变成结点“n”，白点控制结点C1之后字典检索条件信息被审查(步S54)，由于控制结点C1被标记为不需要检索，相应记录的检索不实现。

接着，检查是否在TRIE字典中，结点“n”位置上的指针指向索引(步S57)，如果它并不指向索引，步S52中和以后的过程被重复。如果在结点“n”的子结点被展开，且每个子结点插到OPEN表的适合位置。然后，在S52中或以后的过程被重复。如果在步S52 OPEN表为空，处理终止。

在S57上，在TRIE字典中对应于结点“性”的指针指向下一级索引，“性”的子结点“急”插入到OPEN表(步S58)。然后，当结点“(性)急”是结点“n”时(步S53)由于对应黑点控制结点C4没有被标记相应记录检索被实现(步S55)。

同样方法，当元素结点例如“请”，“制”，“(性急)项”，“(请求)项”和“(制球)项”成为结点“n”时，记录检索不实现。而当“(请)求”，“(制)球”，“(性急项)目”，“(请求项)目”和“(制球项)目”变成结点n时，相应记录被检索。

基于这种类型的第四检索处理，对已经存在句子的校对能根据格阵控制结点所描述的情况有效地实现。

接着，根据图24到29，基于英文原始图象解释字符识别处理。

图24是英文字原始图象作为识别目标的例子，当在图24中原始图象，“find”字符识别实现时，如果没有字符边界设置错误，得到如图25例子的字符阵格。图26是用数据结点和控制结点表示的字符格阵。

在图26中第4字符格阵中，类似图6中第一字符格阵，数据结点例如“[Head]”，“[Tail]”被加进去，以便处理方便。而且，在每个数据结点上所写数字代表识别距离值。控制结点如C0，C1，C2，C3，C4和C5被插入到数据结点中。

图26是第四字符格阵，该格阵没有字符边界设定错误，当有字符边界设定错误时，例如图27所示的图示类型数据能得到。当图27中第5字符格阵同图26中第4字符格阵比较时，待选字符“h”被插到控制结点C0和C2之间，在这种情况下，通过处理字符串“fi”作为一个字符做出边界设置。

字典检索控制模块13通过遍历如图26和27所示字符格阵的每个结点实现字典检索。

图28是TRIE字典结构，它具有从图27中字符格阵得到的检索关键字，在图28的TRIE字典中，记录区47中的记录，用一对数据表示，这数据由表示一字自身和一词类部分的信息合成的数据对组成。例如，记录“hod”是由表示字“hod”的数据和表示名词的数据合成，记录“find”是由表示字“find”的数据和表示动词和名词的数据合成。

在索引41中“f”和“h”位置上，指向索引42和45的指针分别被存储。同样，在索引42，43和45中，在位置“i”，“n”和“o”上，指向下级索引43，44，和46的指针被存储。

而且，在索引44的顶部位置0，指向记录“fin”的指针被存储，在位置“d”和“e”上，指向记录“find”，“fine”的指针被存储，而在索引46的位置“a”上，指向记录“hod”的指针被记录。

图29说明在图28中当TRIE字典中最佳优先搜索时OPEN表变化可通过图27中字符格阵作为关键字实现，最佳优先搜索按照图13中第一检索处理的流程实现。子结点插入位置根据识别距离值之和所表示的估算函数值确定。下面图29中OPEN表的每个元素所表明的数字代表每个结点的估算函数值。

在图29中，生成OPEN表中L31的处理同图14中OPEN表L₁情况是同样方式。接着，当“[Hend]”从OPEN表L₃₁中被检索时(步S3)，子结点“f”，“t”和“h”按估算函数值较小的顺序被存储(步S7)。然后，OPEN表成为L₃₂。

接着，当“f”从OPEN表L₃₂中检索时(步S3)子结点“(f)i”和“(f)j”被展开。这里，当估算函数值“(f)j”根据数据结点“f”和“j”的识别距离值变为50时，估算函数值“(f)i”根据图27中数据结点“f”和“i”的识别距离值变为30。

在上面所述值同保持在元素结点“t”和“h”的估算函数值比较以后，“(f)i”和“(f)j”被插入到OPEN表的顶部(步S7)。结果，OPEN表变成L₃₃。

接着，当“(f)i”从open表L₃₃被检索时(步33)，它的子结点“(fi)n”和“(fi)o”被插入到对应于估算函数值40和80的位置，(步S7)。结果，OPEN表变成L₃₄。

接着，当“(fi)n”从OPEN表L₃₄被检索出来(步S34)，记录“fin”变成检索结果(步S5)，而它的子结点如“(fin)d”，“(fin)a”，和“(fin)e”被插入到对应于它的估算函数值40，80和90位置(步S7)。OPEN表变成L₃₅。

同样方法，OPEN表变成L₃₆，L₃₇，L₃₈和L₃₉，而记录“find”变成下一个检索结果。于是，在OPEN表中元素结点被处理。如果OPEN表变成空，检索处理终止。在图29所示检索结果中，以较佳估算函数值的顺序得到这些记录。

在上面所述的实施例中，日文和中文字符识别处理和校对支持处理被原理性地解释。本发明的字典检索处理也可用于其它处理中，例如语音识别等。而且，作为组成字典的语言，任何语言如中文，朝鲜文，法文，德文等均可被使用。如果符号和图表包含在检索结果的字符串中，也没有问题。

而且，在检索结果中其值较大的估算函数被使用时有更大的确信性。虽然，上述情况，基于估算函数的搜索，在检索结果中，估算函数值越小，确信性越大。在这种情况下，估算函数值越小，确信性越大。在这种情况下，元素结点按照在OPEN表中较大估算函数值的顺序被存储。在图20的步S34和图21的步S4中充分检查结点“n”的估算函数值是否比指定值小。

此外，用OPEN表检索处理仅作为一个例子。相应地，在格阵中下一级子结点可用其它任意方法展开。

根据本发明，TRIE字典也可以用所给的格阵结构的数据作为关键字被有效地检索。而且，所需的字典检索处理，例如字符识别和语音识别，能高速的实现。结果，输入的有效性如字符输入，语音输入等能得到改进。

Claims

1.一种字典检索装置，通过用给定的检索关键字检索树检索字典并输出检索结果，它包括：

复合关键字管理装置，用于管理复合关键字信息，该复合关键字包含多个有组织组合成的数据结点，同时包括至少二个检索关键字；

检索装置，通过访问所述复合关键字中的所述数据结点，检索所述的树检索字典中相应的记录；

检索状态存储器单元，用于存储信息，这些信息表示在所述复合关键字中所访问的数据结点的位置，并存储从所述检索装置中得到的检索结果；

输出装置，用于输出所述的检索结果。

2.根据权利要求1的字典检索装置，其中所述的复合关键字管理装置管理所述的复合关键字信息，该复合关键字信息包含对应于作为字符识别结果的待选字符的数据结点。

3.根据权利要求1的字典检索装置，其中所述的复合关键字管理装置管理所述的复合关键字信息，该复合关键字信息包含对应于语音识别的识别结果的待选音素的数据结点。

4.根据权利要求1的字典检索装置，其中所述的复合关键字管理装置管理所述的复合关键字信息，该复合关键字信息包含表示所述的多个数据结点中第一数据结点和第二数据结点之间连结关系的控制结点。

5.根据权利要求4的字典检索装置，其中所述的复合关键字管理装置通过附加的表示是否需要对所述的控制结点进行检索的字典检索条件信息管理所述的信息，且当所述字典检索条件信息指示不需要检索时，所述的检索装置不检索在所述树检索字典中对应于所述控制结点的数据结点的相应记录。

6.根据权利要求1的字典检索装置，其中所述的复合关键字管理装置管理格阵结构数据，其中所述的多个数据结点以格阵形式组合，形成所述的复合关键字信息。

7.根据权利要求1的字典检索装置，其中所述的复合关键字管理装置管理格阵结构数据，该格阵数据中包含对应于边界设定错误的数据结点，而且多个数据结点以图形形状组合，形成所述复合关键字信息。

8.根据权利要求1的字典检索装置，其中所述检索装置，通过遍历所述复合关键字中的所述数据结点，在适当位置中途中断检索。

9.根据权利要求8的字典检索装置，其中所述检索装置，通过用所述检索状态存储器单元存储的信息，在中断位置之后重新开始检索。

10.根据权利要求1的字典检索装置，其中所述检索装置对树用深度优先搜索，其中通过遍历所述复合关键字中数据结点所述复合关键字中途被扩充。

11.根据权利要求1的字典检索装置，其中所述检索装置对树用广度优先搜索，其中通过遍历所述复合关键字中数据结点所述复合关键字中途被扩充。

12.根据权利要求1的字典检索装置，还包括：

估算函数计算装置，用来对树的结点计算估算函数值，在树中所述复合关键字被扩充；

其中所述检索状态存储器单元存储对应于所述访问数据结点的估算函数值，而所述检索装置，通过用所述检索状态存储器单元中存储的信息，在中断位置之后重新开始检索。

13.根据权利要求12的字典检索装置，其中所述的数据结点的估算函数值比一个预先指定的值更小，所述检索装置获取对应于所述数据结点的所述树检索字典中的所述对应的记录，作为所述检索结果。

14.根据权利要求12的字典检索装置，所述估算函数计算装置，通过对复合关键字中的所述数据结点进行遍历，中途用单调增加的估算函数，计算所述的估算函数值，所述检索装置，按照较小估算函数值次序访问数据结点。

15.根据权利要求14的字典检索装置，其中所述检索装置，对于估算函数值大于预先指定值的数据结点不检索其对应的树检索字典中的记录。

16.根据权利要求14的字典检索装置，其中所述检索装置对于所述估算函数值大于预先指定值的数据结点的后续数据结点中断检索。

17.一种字典检索方法，用于用所给定的检索关键字检索树检索字典，其步骤包括：

形成一复合关键字，在该复合关键字中包含多个有组织组合的数据结点，并包含至少二个检索关键字；

通过访问所述复合关键字中的数据结点，根据表示所访问数据结点的位置信息，在所述树检索字典中检索相应的记录；及

输出所得到的检索结果。