TW201015348A - Detecting name entities and new words - Google Patents

Description

201015348 九、發明說明： 【發明所屬之技術領域】 本發明揭示内容一般而言係關於自輸入項辨識姓名實體 及/或新字。 【先前技術】 辨識（例如，識別及擷取）姓名實體及/或新字（下文中稱 為"NENW")可用於諸多應用，例如：拼字校正、表意字符 輸入、機器轉譯、web搜尋、語音辨認、光學字符辨識 φ (〇CR)等等。一姓名實體（或經命名實體）可包含一諺語、 一成語或一可指示一人、一地方、一組織或其他唯一實體 之專有名詞。一新字可係尚未納入當前辭典中且語義上有 意義之一字符序列，例如自一不同語言所借來之字或自科 學領域所採用之字。舉例而言，術語"Bluray(藍光广係用 來闡述一種基於藍色鐳射用於儲存數位媒體之高密度光碟 格式之一新字。一旦一新字被普遍接受，其即可成為詞彙 之一部分並被納入辭典中。 • 【發明内容】 本說明書闞述關於自輸入項（例如，搜尋 ，搜尋項及使用者輸

程式產品。 135230.doc 201015348 另一一般態樣可係包含-經組態以允許—使用者鍵入 文字串之輸入項組件之一“…么 使用者鍵入一 系統。該系統還包含用於自#势 入文字串產生-候選文字“心 9 咨… 宅文予串之構件。該系統進-步包含_ 資料庫，該資料庫經組態 _ 確疋該候選文字串是否分

資料庫中，且在該候選文字串 I ,^ 子串尚未儲存於辭典或該資料庫 時將該候選文字串儲存於該資料庫中。 可選擇地’此等及其他一般態樣可包含以下具體態樣中 之-者或-者以上。該方法可包含在該分段資訊不可用時 使整個文字串與候選文字串相方法亦可包含針對 候選文字串產生—正規化計數，並將該候選文字串與—辭 ，進行比較。該方法可進—步包含t該比較確定該候選文 子串尚未儲存於該辭纟中時將該候選文字串作為一正準文 子串儲存在-資料庫巾。該方法可另外包含：將候選文字 串與該資料庫進行比較；基於該比較確定該候選文字串是 否拼錯；及在該候選文字串拼錯時產生一替代文字串。 該輸入項可包含一用於一搜尋引擎之使用者查詢、一用 於即時傳訊之腳本或一用於輸入法編輯器之使用者輸入。 該文子串可包含非羅馬語言之一個或一個以上字。該非羅 馬語言可係中文、日文或韓文。該分段資訊可包含一使用 者產生之分段’其可用於在文字串中之字或片語之間進行 強調或區別。候選文字串可包含一個或一個以上姓名實體 或新字。該辭典可包含一專有名詞辭典。該使用者產生之 为段可包含一空格、一標記、一引號、一括孤或一標點符 號。該姓名實體可包含成語、諺語及民族、組織或地點之 135230.doc 201015348

名稱°該等新詞可包含當前未納入辭典中之字Q 可實施特定態樣以達成以下優點中之一者或一者以上。 可基於（例如）一個或一個以上使用者產生之分段自輸入項 (例如，搜尋查詢、即時傳訊"IM”腳本、使用者錄入編輯 器（例如Microsoft Word)中之句子）辨識非羅馬語言 NENW(姓名實體及/或新字）。一使用者產生之分段可係由 - 空格、標記、引號、括弧或任何標點符號明確地或不明確 地定界的一個或一個以上使用者錄入字符之序列。 籲 輸入項中拼字校正之覆蓋範圍可基於所辨識之NENW而 增大。另外，可不依賴於手動標注資料即可自動辨識新姓 名實體/字。可使用一可升級拼字錯誤校正資料庫來併入 剛剛辨識之姓名實體/字。因此可使拼字校正達成高準確 度。此外，可達成關於針對非羅馬字符（例如，中文、曰 文及韓文（c jk)字符）之輸入法編輯器（IME)之較佳字建 議。可使用一經改良IME來區分具有相同或類似發音之 字。舉例而言，一中文IME可在姓不同時向使用者建議"遇 ® 春"或"宇春"。因此，對NENW之辨識還可用於構建一用於 CJK語言之適應性IME辭典。 由於可避免藉由使用基於關鍵字之搜尋而導致之錯誤肯 定結果，因此還有可能達成一更精確之搜尋查詢結果。舉 例而言，當一使用者在一搜尋引擎之一輸入查詢中鍵入片 語”New York Traveling(紐約旅行）,,時，可辨識到姓名實體 "New York(紐約），％可將關於紐約市旅行之所期望資訊提 供給使用者，而非返回錯誤肯定的搜尋結果，例如含有單 135230.doc 201015348 獨的字"New"及"York"之網頁。另外，就藉由使用手持式 裝置（例如，行動電話、個人數位助理（PDA)、雙向尋呼機 或智慧電話）而產生之搜尋查詢而言，提供精確搜尋查詢 結果之能力係合意的。 該等一般及具體態樣可使用一系統、方法或一電腦程式 或系統、方法及電腦程式之任一組合來實施。在附圖及下 文說明中將詳細闡述一個或一個以上實施方案。由該說 明、附圖以及申請專利範圍可明瞭其他特徵、態樣及優 ，點。 【實施方式】 圖1係自輸入項辨識姓名實體及/或新字（NENW)之系統 1 00之一概念圖。系統1 〇〇具有輸入項組件丨丨〇，該輸入項 組件可（例如）在允許一使用者鍵入搜尋查詢之一搜尋引擎 中包含若干查詢框。系統100還可具有NEnw辨識組件 120，該NENW辨識組件可（例如）自輸入項組件11〇識別及 擷取可能的NENW。如下文將更詳細論述，對可能NENW 象之辨識可係基於（例如）搜尋查詢中使用者產生之分段。該 等分段可係空格、引號、括弧或其他可由使用者用來強調 該NENW之標點符號。 系統100進一步包含資料庫130，該資料庫可係（例如）一 包含正準NENW之拼字校正及/或IME資料庫《如下文將更 詳細論述，並非NENW辨識組件120所識別之所有可能 NENW皆成為正準NENW。確定一經識別姓名實體/新字是 否真為一姓名實體/新字可係基於經正規化計數及搜尋查 135230.doc 201015348 詢之對話日誌。藉此方式，NENW辨識組件120可辨識（例 如，識別及擷取）由使用者提交於輸入項組件110中之可能 NENW。 還可將所辨識NENW添加至資料庫130(例如，一拼字校 正/IME資料庫）。因此，由於新姓名實體/字（例如，新音樂 家或新歌之名稱及新成語或諺語）可被辨識並儲存於資料 庫130中，故而該資料庫可係一可升級資料庫。此外，由 於該資料庫可容易地併入新姓名實體/字，因此可達成拼 φ 字錯誤校正及/或IME建議之一較高覆蓋範圍。 在諸如英語之某些羅馬語言中，大寫資訊在NENW辨識 中可起到一關鍵作用。在某些非羅馬語言中，尤其是在像 中文、曰文及韓文（CJK)之表意性語言中，字符不具有大 寫與小寫字體之分，而是一種書寫形式。此外，此等CJK 語言在其書寫形式之字之間不使用空格。因此，很難對此 等CJK語言進行NENW辨識。 另外，對諸如CJK語言等非羅馬語言進行拼字校正可係 # 複雜而富有挑戰性。拼字校正一般包含辨識錯誤字及為該 等錯誤字確定適當替換。諸如英語等字母（亦即羅馬）語言 係辭典外（錯誤拼字）字（例如，"thna"而非"than")或在其上 下文中不恰當使用之有效字（例如，”stranger then"而非 "stranger than")。可辨識及校正羅馬語言之辭典外拼字錯 誤之拼字檢驗器已眾所周知。 然而，諸如CJK語言等非羅馬語言不具有在任一電腦字 符集（例如，中文GB2312及UTF-8字符集）中編碼的無效字 135230.doc -10- 201015348 ，乂使传多數拼字錯誤為在上下文#不恰當使用之有效 而非辭典特字錯誤。在中文、日文及韓文中，對字 子之正確使用通常僅可在上下文中確^舉例而言， 文中’ ”遇春”及"宇春"皆可用作名字。然而，包含上 =兩者的最常見全名分別為”常遇春"（一將軍之姓名)及，， π(—歌手之姓名)。因此，針對-非羅馬語言之有 效拼子檢驗器應利用ί·Τ·ν达 下文資訊來確定哪些字符及/或字 在上下文中不合適。 ❿ :拼字校正外，系統100還可用於構建一CJK語言的適 .:二球典。舉例而言，很難在一電腦上輸入及處理中 文：。文子。一部分原因係中文字符之絕對數目及中文語 ^^ Α +標準化、多個同音異義字及無形（或 字處理難以進行。…成歧義，從而使得中文文 用：：：於向一電腦系統中輸入中文語言之常見方法係使 (例如，拼音)之方法。拼音使用羅馬字符且具 2 :式列出之辭典。然而，在進行中文語言處 理時’該拼音輸入方、本 -，由於僅士同音異義問題。特定而 立表干）及約4約1300個帶有音調之不同語音音節（可由拼 約410個不帶音調之語音音節來表示成千上萬個 中文字符（漢字），一立 丁上禺個 應於諸多不同漢字(帶音調或不帶音調)可對 應於_以上^舉::，’普通話中之發音可對 造成歧義。 音節轉換為漢字時，此可 135230.doc -11 - 201015348 諸多語音輸人^統皆使[多選擇方法來解決此同音異 義問題。—旦使用者鍵人一語音音節，即向該使用者^示 及建議一列具有相同發音之可能漢字字符。然而，針對每 -字節輸入及選擇對應漢字之程序可相當緩慢乏味而費 時。其他語音輸入系統係基於依據毗鄰漢字字符來確定每 一可能漢字字符之可能性。該機率方法可進一步與語法約 束相組合。

然而，當將此類方法之語音至漢字轉換應用於如web上 所使用之用於（例如）使用者查詢及/或電子佈告攔系統 (BBS)站的文學語言（例如，含有諸多描述性句子及成語） 及/或口語或非正式語言時，該轉換準確度常受到限制。 另外，低辭典覆蓋範圍通常是一造成口語語言之不良轉換 品質的原因《因此，藉由使用系統1〇〇，可構建一適應性 IME辭典且可達成IME中對非羅馬字符（例如，CJK字符）之 較佳字建議。 除拼字校正及IME之外，系統100還可使用所辨識之經 命名實體來提供更精確之搜尋結果。此可用以下實例來圖 解說明。假設一使用者有興趣獲悉關於紐約市旅行之更多 資訊。則其在一搜尋引擎之一輸入查詢中鍵入片語"紐約 旅行"。當使用傳統之基於關鍵字的搜尋時，該搜尋引擎 可返回錯誤肯定之搜尋結果，例如含有字"紐（New)"及"約 (York)”而非將"紐約"辨認為一個姓名實體之web頁。相反 地，系統100則可將"紐約"辨識為一個姓名實體，並返回 關於使用者所期望之資訊之搜尋結果。 135230.doc 12 201015348 另外’就藉由使用手持式裝置（例如，行動電話、 PDA、雙向尋呼機或智慧電話）而產生之搜尋查詢而言， 提供精確搜尋查詢結果之能力係合意的。與自一桌上塑電 腦之傳統web搜尋相比，自手持式裝置產生之搜尋查詢對 於欲下載之特定檔案或欲購買之商品而言可更為精確。舉 例而言，手持式裝置之使用者通常提交基於NENW之搜尋 查詢，例如，下載一歌曲或某一音樂家之一圖片，請求關 於某一電影或某一人之資訊，或請求關於一新產品之資 ❹ 訊。 可用以下顯示於圖2 A-2C中之實例來圖解說明系統1〇〇如 何辨識NENW之一運作概述。圖2八顯示由使用者鍵入輸入 項中之各種文字串。圖2八中之實例假設有八個輸入項，其 中每一輸入項含有六個非羅馬語言（例如中文）字符/字之一 序列。舉例而言，該文字串中之六個中文字符/字之該序 列可係”上海市長韓正"’其意指上海市之市長為"韓正"。 在中文中，每一字符亦可表示一字；舉例而言，"市·，（該 •實例文字串中六個字符中之一者)係一具有字” chy"之意： 中文字符》 如上所述，㈣馬CJK語言不具有大寫字符。此外，中 文及日文之字與字之間以及句子與句子之間通常沒有空 格，且可很難辨識此等語言之候選NENW。然❿，使用者 有時會在輸入項中鍵入分段（舉例而t，空格、標記1 號或其他標點符號)以指出其意欲強調或與其餘輸入 串區別之NENW。圖2A中所示輸入項顯示各種文字串，每 135230.doc -13- 201015348 輸項之文予串皆含有由使用者鍵入之六個字符/字之 序歹J自jlt等文+串，彳識別分段資訊i可產生可能之 候選NENW。 舉例而言，在第一輸入項（其在該8個輸入項中出現3 次，從而為此輸入項給出一計數3)中，使用者已鍵入分段 205來將含有字#1、字#2、字#3及字料之子串（例如，"上 海市長"）與含有字#5及字#6之另一子串（例如，"韓正"）分 隔開。在一個實施方案中，系統1〇〇可在第一輸入文字串 參 巾識別使用者產生之分段205。此外，藉由使用所識別之 分段205，系統100可產生兩個候選ΝΕΝψ，分別為候選姓 名實體/新字210及候選姓名實體/新字215。分段2〇5可由使 用者有意或無意地鍵入。如下文將進一步論述，不論分段 205係有意抑或無意鍵入，系統1〇〇皆可基於（例如）一具有 一高正規化計數之實體或字產生一正準姓名實體/新字。 此外’在第一輸入項（其在該8個輸入項中出現兩次，從 而為此輸入項給出一計數2)中，使用者已鍵入一分段22〇 •來將含有字#1及字#2之子串（例如，"上海"）與含有字#3及 字#4之另一子串（例如，"市長分隔開。另外，使用者已 鍵入另一分段225來將含有字#3及字#4之子串（例如，"市 長"）與含有字#5及字#6之另一子串（例如，"韓正”）隔開。 在一個實施方案中，系統100可在第二輸入文字串中識別 使用者產生之分段220及225。此外，藉由使用所識別之分 段220及225 ’系統100可產生三個候選NENW，分別為候 選 NENW 230、235及 215。 135230.doc -14· 201015348 在第三輸入項（其在該8個輸入項中出現一次，從而為此 輸入項給出一計數〇中，使用者已鍵入分段245以將含有 子#1、予#2及字#3之子串（例如，"上海市"）與含有字料之 另一子串（例如，"長··）隔開》另外，使用者已鍵入另一分 段255來將含有字#4之子串（例如，"長之子串與含有字# 及字#6之另一子串（例如韓正"）隔開。在一個實施方案 中，系統100可在第三輸入文字串中識別使用者產生之分 段245及255兩者。此外，藉由使用所識別之分段245及 • 255，系統1〇〇可產生三個候選NENW，分別為候選nenw 250、260及215。 在第四輸入項（其可在該8個輸入項中出現兩次，從而為 此輸入項給出一計數2)中，使用者未鍵入任何分段。在一 個實施方案中，系統100可確定不存在使用者產生之分 段。藉此方式，候選姓名實體/新字不會基於使用者產生 之分段而產生。然而，在此情形十，系統1〇〇可使第四輸 入項之整個片語或文字串與含有字#1、字#2、字#3、字 • #4、字#5及字#6(例如，"上海市長韓正")之候選姓名實體/ 新字265相關聯。 在一文字串中給出字符/字之一序列時，可以數學方式 表示可能候選NENW之數目。假設具有N個字符之一序列 (例如，"ABC" ’ N=3)可產生G(N)個候選字，且向該序列 添加一新字符（例如，”D”）。可將彼新字符與前—序列中N 個候選字中之任一者組合以產生N個新候選字。此外，彼 新子符本身可係一單字符字。舉例而言，向序列"ABC"添 135230.doc •15· 201015348 加新字符”D"後，可出現四種新候選字："abcd"、 "BCD”、"CD"及"D"自身。因此，向含N個字符之一序列添 加又一個字符後，可產生N+1個新候選字。 換言之，可自含N個字符之一序列得出一遞回關係 G(N+1)=G(N)+(N+1) ’且G(l)=l。自此遞回關係可導出_ 方程式G(N)=N*(N+l)/2。藉此方式’在含有數目n個字符 之一項中可存在Ν*(Ν+1)/2(其中N係一正整數）個可能之候 選NENW。舉例而言’若輸入項中有四個字（N=4)，則可 φ 能候選NENW之數目為1 〇。類似地，在圖2A所示實例中， 輸入項中有六個字符/字（N=6)。因此，可存在21個可能的 候選NENW。 圖2B顯示來自圖2A之輸入項之一列候選NENW&其相關 聯出現率/計數。如圖2B所示，有七個候選NENW自圖2A 中分為四種不同輸入文字串之總共八個輸入項（每一項含 有一六字符/字序列）產生。該七個候選NENW包含候選姓 名實體/新字210，其具有一計數3，此乃因其在8個輸入項 ·+出現了 3次。候選姓名實體/新字215具有—計數6，此乃 因其在8個輸入項令出現了6次。候選姓名實體/新字23〇具 有一計數2,此乃因其在8個輸入項中出現了 2次。 此外，候選姓名實體/新字235具有一計數2,此乃因其 在該8個輸入項中出現了2次。候選姓名實體/新字25〇具有 一计數1，此乃因其在8個輸入項中出現了 “欠。候選姓名 實體/新字260亦具有-計數i，此乃因其在8個輸入項中出 現了 1次。最後，候選姓名實體/新字26〇具有一計數2，此 135230.doc -16- 201015348 乃因其在8個輸入項中出現了 2次β 因此，系統1〇〇可累積候選NENW在輸入項中之該等出 現率或計數且確定哪一候選NENW可成為正準nenw並儲 存於資料庫130中。在一個實施方案中，系統〗00可具有一 臨限數目之㈣，因巾當候選姓名實體/新字計數超過該 臨限數目肖，該候選姓名實體/新字成為一正準姓名實體/ 新字。該出現率可係來自使用者輸入之原始數目，或可係 根據每一個別字符或字符序列之出現之正規化/所導出數 目° 舉例而言，儘管”我是"（在中文巾意指"吾係"）之出現在 使用者輸入中具有一極高出現率，但當由字符，，我"及"是"之 出現率個別地正規化時，其仍可具有—低正規化出現頻率。 在一個實施方案中，可使用以下公式來計算用於確定正準 NENW之正規化出現頻率：h(cl c2)*1〇g{f(cl c2)/[㈣*贼)]广 其中f()係表示一特定字或片語之相關出現頻率之一函式 (關於出現率之線性函式）；且^)係關於出現率之—單調遞 增函式。舉例而言，h()可係與f〇一起單調遞增之任一函 式，例如h(Cl’C2)=f(Cl，c2)或 h(cl，c2)=i〇gf(cl，c2)。藉此方 式，可選擇h〇函式以使得產生最常見之字符組合來作為候 選姓名實體/新字。 — 另一選擇係，系統100可使用使用者輸入項之查t句日4 來確定候選姓名實體/新字是否應成為一正準姓名'實體 字。舉例而言’當-使用者在一搜尋查詢中未識別且拼錯 一姓名實體/新字，則可呈現錯誤的（或不出現）查詢結果。8 135230.doc -17- 201015348 然而，在此情形下’該使用者可手動地校正該姓名實體/ 新字之拼字以獲得所期望之搜尋結果。在一個實施方案 中’系統100可使用成功查詢結果之此歷史記錄及/或使用 者校正來產生可能的候選NENW並擴充資料庫130。 圖2C顯示來自圖2A之輸入項之一列候選NENW&其相關 聯正規化計數。在一個實施方案中，系統J 〇〇可使用候選 姓名實體/新字之一正規化計數來避免產生無語義意義的 一般字符序列。該正規化計數可藉由計算候選姓名實體/ 新字之計數與輸入項之一既定數目之比率而產生。藉此方 式，系統1〇〇可使候選姓名實體/新字與如正準NENW之高 正規化計數相關聯。 如圖2C所示，候選姓名實體/新字21〇具有一正規化計數 3/8 ’或0.375 ’此乃因其在8個輸入項中出現3次。候選姓 名實體/新字215具有一正規化計數㈣，或〇75,此乃因其 在8個輸入項中出現6次。候選姓名實體/新字具有一正 規化計數2/8 ’或0.25，此乃因其在8個輸入項中出現2次。 候選姓名實體/新字235具有一正規化計數2/8，或Ο:此 乃因其在8個輸人項中出現2次。候選姓名實體/新字25〇具 有-正規化計數1/8，❹·125，此乃因其在8個輪入項中出 現一次。候選姓名實體/新京 …有一正規化計數， 或(M25,此乃因其在8個輸人項中出現—次 姓名實體/新字260具有一正規化計數2/8，或心後’候選 其在8個輸入項中出現2次。 一 4乃因 如上所述，具有—古·，丨」 间正規化計數之候選姓名實體/新字 135230.doc 201015348 可成為-正準姓名實體/新字。在一個實施方案中，系統 _可經組態以使正規化計數高於G5之所有候選麵料 成為正準NENW並儲存於資料庫⑽中。在如_所示候 選NENW之此情形下，系統1〇〇將基於具有一正規化計數 0.75之候選姓名實體/新字215產生—正準姓名實體/新字。 此外’如上文利述之使祕限正規化計數產生之正準 =名實體/新子並不總是表示對—姓名實體/新字之正確拼 字。舉例而言，假設一極大數目之搜尋查詢含有術語 "仙㈣y(藍光）"’且基於（例如）輸入文字串中使用者產生 之分段產生一候選新字。另外，假設該候選新字"blue_ #之正規化計數因其高出現頻率而為〇.8。則候選新字 "blue-ray”將具有一高於臨限值(譬如〇 5)之正規化計數， 且成為-正準新字，該正準新字可儲存於一資料庫中，例 如圖！之資料庫13〇。儘管事實上正確拼字應為K且 多數使用者已將其錯誤拼字為"blue_ray”，情況即係如 此。

圖3係圖解說明自輸入項辨識NENW之程序之一流程 圖。在305處’程序300接收—輸入項，其可係如上料之 -諸如G—e搜尋引擎之線上搜尋引擎或—輸人法編輯器 之-搜尋查詢。在310處，程序識別分段資訊例如， 輸入項中使用者產生之分段4上所述，輸人項中使用者 產生之分段可係一標點符號、一空格或任何其他可用於在 兩個字或片語之間進行區別或強調之標記。 在315處’若該分段資訊可用（例如，一個或—個以上使 135230.doc -19· 201015348 用者產生之分段可用）’則在325處基於該分段資訊產生候 選NENW。上文在圖2A-2C中詳細闞述及顯示可如何產生 候選NENW之若干實例。另一方面，若輸入項中無可用之 分段資訊’則程序300將整個輸入項文字串與候選姓名實 體/新字相關聯。舉例而言，此將類似於圖2a中所示之第 四輸入項’該輸入項不具有任何使用者產生之分段。

在330處，程序3〇〇為每一候選姓名實體/新字產生正規 化計數，不論該NENW係來自具有使用者產生之分段之項 抑或是來自不具有使用者產生之分段之項。如以上在圖2c 中所示，可藉由計算候選姓名實體/新字之計數與含有字 符/字序列之輸入項之一既定數目之比率來產生每一候選 姓名實體/新字之正規化計數。 在335處，程序3〇〇確定候選姓名實體/新字是否已被納 入一辭典中，例如一包含一列預定及/或已知nenw之專有 名詞辭典。此75 gj諸多㈣麵w可能已被知曉並納入某 些辭典中。舉例而言，”飛利浦"或”索尼”係已知之專有名 詞，且無需再將此等字添加至正準NENW資料庫。 右候選姓名實體/新字在辭典中已知（例如，係— 詞）或已儲存於資料庫中，則在345處，&需 刪w資料庫（例如，圖1之資料庫而，若候選= 名實體/新字並非在辭典 序300將該候選姓名實…資枓庫中’則程 存至該資料庠正準姓名實體/新字健 藉此方式，該資料庫可係一可 庫’此乃因可辨識新職W(例如，—新音樂家或—新2 135230.doc 201015348 名稱）並將其儲存於該資料庫中。此外，由於該資料庫可 容易地併入新姓名實體/字，因此可達成拼字錯誤校正或 輸入法建議之一較高覆蓋範圍。 圖4係圖解說明使用自輸入項擷取之NENW來進行拼字 杈正之程序400之一流程圖。在4〇5處，程序4〇〇接收一原 始輸入項（ΟΙΕ)，該原始輸入項可係（例如）一使用G〇0gle搜 尋引擎之搜尋查詢。在410中，程序4〇〇在原始輸入項中產 生可能的NENW。在415處，程序400將可能的NENW與一 • 正準NENW資料庫進行比較，該資料庫可係（例如）圖3中所 示資料庫340。 在420處，程序4〇〇確定可能的NENW是否類似於正準資 料庫中之NENW。在一個實施方案中，該相似性量測可經 組態以為-預定數目之文字子_ (例如，字符)留有編輯間 距。舉例而言，假設一正準實體為"超級女聲"，且一些使 用者在輸入項中替代地錄入，，超級女生"。則在此情形下， 程序400可準備對該文字串中之所有四個字符進行相似性 擊 量測。 若可能的姓名實體/新字不類似於正準資料庫中之任一 NENW，則在425處，程序4〇〇不實施任何拼字校正。舉例 而言，若可能的姓名實體/新字為中文片語"高年級女生,，， 則在與資料庫中之正準實體"超級女生"進行比較後不會執 行任何拼字校正。然而，若可能的姓名實體/新字類似於 正準資料庫中2NENW，則在43〇處，程序4〇〇確定可能的 姓名實體/新字是否不同於該資料庫中之任—正準刪w。 135230.doc •21 _ 201015348 若沒有不同，則在425處，程序400不實施任何拼字校正， 此乃因可能的姓名實體/新字已經包含在正準NENW資料庫 中且因此其已具有一正確拼字。 然而，若可能的姓名實體/新字與正準NENW資料庫類似 但不相同，則在435處，程序4〇〇可藉由用自資料庫獲得之 類似正準姓名實體/新字來替換可能的姓名實體/新字來產 生替代輸入項（AIE)之一替代文字串。在44〇處，程序4〇〇 確定AIE在搜尋查詢中是否比〇IE更有可能出現。舉例而 • 言，根據來自使用者輸入資料之統計，査詢"超級女聲預 赛之可能性可比"超級女生預赛"之可能性高一個量級。 若不是，則在425處，程序400不實施任何拼字校正。另一 方面，若AIE比〇IE更有可能出現，則在料5處，程序4〇〇 接受拼字校正。在450處，程序400將AIE作為對搜尋查詢 中拼字校正之一建議提供給AIE。 圖5係可用於（例如）實施系統1〇〇之計算裝置及系統 ❹ 500、550之一方塊圖。計算裝置5〇〇意欲表示各種形式之 餘電腦’例如：膝上型電腦、桌上型電腦、卫作站、個 人數位助理、伺服器、刀鋒式伺服器、主機及其他適當電 腦。計算裝置550意欲表示各種形式之行動裝置，例如個 人數位助理、蜂巢式電話、智慧型電話及其他類似計算裝 置。此處顯示之組件、其聯繫及關係以及其功能一定僅為 例不性，且不會限定本文中所閣述及/或請求之本發明實 施方案。 汁算裝置5〇〇包含：處理器5〇2、記憶體5〇4、儲存裝置 135230.doc -22- 201015348 5 06、連接至記憶體504及高速擴充槔51〇之高速介面508及 連接至低速匯流排514及储存裝置506之低速介面512。組 件502、504、506、508、51〇及512中之每一者使用各種匯 流排相互連接，且可以其他方式適當地安裝於一共同母板 上。處理器502可處理用於在計算裝置5〇〇内執行之指令， 其中包含儲存於記憶體5〇4中或儲存裝置5〇6上以將一Gm 之圖形資訊顯示於一外部輸入/輸出裝置（例如耦合至高速 ❹ 介面5 08之顯不器516)上之指令。在其他實施方案中多 個處理器及/或多個匯流排可連同多個記憶體及多種類型 之記憶體-起適當地使用。同樣，多個計算裝置可連 接在起，其中每一裝置提供必要操作之若+ ⑼ 如，作為-飼服器組、-刀鋒式飼服器群組或一多處理器 系統）。 ^憶體5G4將資訊儲存於計算裝置5⑽卜在—個實施方 :心=4係一電腦可讀媒體。在-個實施方案 施方；：係一(或多個)揮發性記憶想單元。在另一實 係一(或多個)非揮發性記憶體單元。 =5。6能夠為計算裝置5。。提供大容㈣存。在一 不同實施方案中，儲電腦可讀媒體。在各種 ^ w 、 可係—軟磁碟裝置、一硬 磁碟裝置、-光碟裝置 U 硬 其他類似固態記憶體裝：置、-快閃記憶體或 存區域網路中之裝置或其他：：裝；陣列，其中包含-儲 電腦程式產品有形包含於二個實施方案中，- ㈣戟體_。該電腦程式產品 135230.doc -23- 201015348 含有當執行時可實施諸如±文所_之—個或〜個以上方 法之指令。該資訊載體係一電腦可讀媒體或機器可讀媒 體，例如記憶體504、儲存裝置5〇6、處理器5〇2上之記憶 體或一經傳播信號。 高速控制器5〇8管理計算裝置5〇〇之頻寬密集型運作而 低速控制器512管理較低頻寬密集型運作。此任務分配僅 為例示性。在一個實施方案中，高速控制器508耦合至記 隐體504顯不器516(例如，藉由一圖形處理器或加速器) 且轉合至可接受各種擴充卡（未顯示）之高速擴充埠51〇。在

該實施方案中，低速控制器512搞合至储存裝置·及低速 擴充埠514。可包含各種通信琿（例如，USB、藍牙、乙太 網路、無、線乙太網路）之低速擴充埠可（例如，藉由一網路 配接器）耦合至一個或一個以上輸入/輸出裝置，例如，一 鍵盤 扣向裝置、一掃描機或一諸如一交換機或路由器 之網路連結裝置。 如圖所示，可以若干不同形式來實施計算裝置5 〇〇。舉 例而言，可將其實施為一標準伺服器52〇或在此類伺服器 之一群組中多次實施β還可將其實施為機架式伺服器系統 524之郤刀。另外，還可將其實施於一諸如膝上型電腦 522之個人電腦中。另一選擇係，來自計算裝置5〇〇之組件 可與一諸如裝置550之行動裝置（未顯示）中之其他組件結 合。此類裝置中之每一者皆含有一個或一個以上計算裝置 500、550，且整個一系統可由彼此通信之多個計算裝置 500、550構成。 135230.doc -24- 201015348 計算裝置550包含：處理器552、記憶體、諸如顯示 器554之輸入/輸出裝置、通信介面566、收發器，以及 其他組件。裝置550還可配備有一用於提供額外儲存之儲 存裝置，例如一微驅動器或其他裝置。組件55〇、552、 564、554、566及568中之每一者使用各種匯流排相互連 接，且該等組件中之數個組件可安裝於一共同母板上或以 • 其他方式適當安裝》 處理器552可處理用於在計算裝置55〇内執行之指令，其 • 中包含儲存於記憶體564中之指令。該處理器還可包含單 獨的類比及數位處理器。該處理器可提供（例如）對裝置55〇 之其他組件之協調，例如對裝置55〇所運行之使用者介 面、應用程式之控制及裝置55〇所進行之無線通信。 處理器552可藉由搞合至顯示器554之控制介面558及顯 不介面556與一使用者通信。舉例而，顯#器可係一 TFT LCD顯示器或一0LED顯示器，或其他適當顯示技術。顯 癱 示介面556可包括用於驅動顯示器554來向一使用者呈現圖 形及其他資訊之適當電路。控制介面558可接收來自一使 用者之命令並轉換該等命令以提交至處理器Μ〗。另外， • 外部介面562可經提供以與處理器552通信，以使得裝置 . 旎夠與其他裝置進行近場通信。外部介面562可提供 (舉例而言）有線通信（例如，經由一入塢程序）或無線通信 (例如’經由藍牙或其他此類技術）。 圮憶體564將資訊儲存於計算裝置55〇内。在一個實施方 案中，記憶體564係一電腦可讀媒體。在一個實施方案 135230.doc -25- 201015348 中，記憶體564係一（或多個）揮發性記憶體單元。在另一實 施方案甲，記憶體564係一（或多個）非揮發性記憶體單元。 還可提供擴充記憶體554並藉由擴充介面552(舉例而言， 其可包含一 SIMM卡介面）將其連接至裝置55〇。此擴充記 憶體574可為裝置550提供額外儲存空間，或亦可為裝置 550儲存應用程式或其他資訊。具體而言，擴充記憶體⑺ 可包含可執行或補充上文所闡述程序之指令，且還可包含 安全資訊。因此，舉例而言，可將擴充記憶體574提供為 ❿ 裝置55G之—安全模組，且可用准許安全使用裝置55〇之指 令來將其程式化。另外，可經由該等SIMM卡連同額外資 訊來提供安全應用程式，例如以一不易被黑客攻擊之方式 將識別資訊置於SIMM卡上。 舉例而言，該記憶體可包含快閃記憶體及/或mram記 憶體，如下文將論述。在一個實施方案中，一電腦程式產 品有形包含於一資訊載體中。該電腦程式產品含有在執行 時可實施諸如以上所闡述之一個或一個以上方法之指令。 籲 #資訊載體係-電腦可讀媒體或-機器可讀媒體，例如， 記憶體564、擴充記憶體574、處理器552上之記憶體或一 , 經傳播信號。 • 裝置550可藉由通信介面566以無線方式通信’該通信介 面必要時可包含數位信號處理電路。通信介面566可提供 各種模式或協定下之通信，例如：GSM話音呼叫、SMS、 EMS 或 MMS 傳訊、CDMA、TDMA、pDC、WCDMA、 CDMA2000或GPRS，以及其他模式或協定。舉例而言’此 135230.doc • 26 - 201015348 通信可藉由射頻收發器568來進行。另外，可（例如）藉由使 用一藍牙、WiFi或其他此類收發器（未顯示）來進行短程通 信。另外，GPS接收器模組570可向裝置55〇提供額外的無 線資料，該等資料可由運行於裝置55〇上之應用程式適當 地使用。 裝置550還可使用聲訊編解碼器56〇以有形方式通信該 聲訊編解碼器可接收來自—使用者之口說資訊並將其轉換 為可用數位資訊。類似地，聲訊編解碼器56〇可為一使用 者產生可聞聲音，例如藉由（例如）裝置55〇之一手持機中之 -揚聲器來產生。此類聲音可包含來自話音電話呼叫之聲 音’可包含經錄製聲音（例如’話音訊息、音樂槽案等）， 且還可包含由操作於裝置550上之應用程式產生之聲音。 如圖所示，可以若干不同形式來實施計算裝置乃卜舉 例而s，可將其實施為蜂巢式電話58〇。還可將其實施為 智慧型電話582、個人數位助理或其他類似行動裝置之一

在適當時’本制書巾述之线及功驗操作可實 :於數位電子電路中，或實施於電腦軟體、_或硬體 ，其中包含本說明書中所揭示之結構構件及其結構等效 物，或實施於其組合I可將料技術實施為 :上電腦程式產品，亦即有形包含於一資訊載體中：二固 t個以上電腦程式’例如包含於-機器可讀儲存裝置或 備(Hi播㈣中^供資料處理設備執行或控制資料處理設 ，一可程式化處理器、-電腦或多個電腦)之運 135230,c[qc •27· 201015348 作。可以任何形式之程式化語 為-程式、軟體、硬體應用程式或程二電(亦稱 譯語言或解譯語言，且可將該電腦程式成=中包含編 其中包含部署為一獨立程式或 成任何形式， V七、态人m 兩模組、組件、次堂 式或適,用於-計算環境之其他單元。一常 定斜鹿热' rt» 物程式未必一 ㈣。可將—程式儲存於—保存其 科之㈣之-部分中、储存於專用於所討論 1 個槽案中或儲存於多個協調式播案(例如，储存：：：單 T以上模組、子程式或部分程式碼之㈣）中…腦: 執仃於一個電腦上或位於同-地點之多個雷 腦上或分佈於多個地點並由—通信網路相互連接。 、本說明書中所閣述之程序及邏輯流可由執行-個或一個 以上電腦程式之-個或一個以上可程式化處理器來實施以 藉由對輸人資料進行運作並產生輸出來實施所闡述之功 能°該等程序及邏輯流還可由專用邏輯電路（例如，一 FPGA(場可程式化閘陣列）或—asic(專用積體電路））來執 行，且可將設備實施為專用邏輯電路。 舉例而言’適於執行一電腦程式之處理器可包含通用及 專用微處理器兩者’以及任一種類之數位電腦之任何一個 或一個以上處理器。一般而言，該處理器將自—唯讀記憶 體或一隨機存取記憶體或該兩者接收指令及資料。—電腦 之基本7L件係用於執行指令之一處理器及用於儲存指令及 資料之一個或一個以上記憶體裝置。一般而言，—電腦還 將包含用於儲存資料之一冑或一㈣以上A容量儲存裝置 135230.doc -28· 201015348 I例如’磁碟、磁光碟或光碟）或以經可運作方式麵合以自 i等大谷量儲存裝置接收資料或向其傳送資料或既接收又 專送-貝料。適合包含電腦程式指令及資料之資訊載體包含 所有形式之非揮發性記憶體，舉例而言，其中包含·半導 體記憶體裝置，例如EPROM、EEPR〇M及快閃記憶體裝 置；磁碟，例如内部硬磁碟及可抽換式磁碟；磁光碟；及 dR0M及DVD_R〇M光碟。該處理器及記憶體可由專用 邏輯電路補充或併入專用邏輯電路中。 | ^提供與__❹者之互動’所闡述技術之各態樣可實施 於一具有用於向該使用者顯示資訊之一顯示裝置（例如， -CRT(陰極射線管）或LCD(液晶顯示器）監視器）及可由使 用者用來向電腦提供輸入之一鍵盤及一指向裝置（例如， 一滑鼠或一軌跡球）之電腦上。亦可使用其他種類之裝置 來提供與使用者之互動，舉例而言，提供給使用者之反饋 可係任何形式之感觀反饋，例如，視覺反饋、聽覺反館或 觸覺反饋；且來自使用者之輸入可以任何形式來接收，其 中包含聲音、語音或觸覺輸入。 該等技術可實施於包含一後端組件之計算系統（例如， -資料伺服器)或包含一中間件組件之計算系統(例如，一 應用程式飼服器）或包含-前端組件之計算系統（例如，具 有使用者可藉以與此後端、中間件或前端組件之一實施例 或任一組合互動之一圖形使用者介面或一 Web瀏覽器之一 用戶端電腦）。該系統之各組件可藉由任何形式或途徑(例 如一通信網路）之數位資料通信來相互連接。通信網路之 135230.doc •29· 201015348 實例包含一區域網路（"LAN")及一廣域網路（"WAN")，例如 網際網路》 該計算系統可包含用戶端及伺服 般彼此遠離且通常藉由一通信網路來互動。用戶端與飼服 器之間的關係係藉助運行於相應電腦上且彼此之間具有一 用戶端··伺服器關係之若干電腦程式而產生。 ❹ ❹ 本文已闡述若干實施方案。然而，應瞭解，可作出各種 修改而不背離所闡述實施方案之精神及範疇。舉例而言， 申請專利範圍中所引用之動作可以一不同次序來執行且仍 可達成合意之結果。另外，該系統及方法可實施於一伺服 器地點上（例如一搜尋引擎上）或可實施於一諸如電腦之用 戶端地點上（例如下載），以用諸如一搜尋引擎之一遙遠伺 服器來提供對一文檔或介面中之文字串之拼字校正。 此外，該用戶端機器及該伺服器可實施於同一機器中 例如當使用者在其自己的機器上執行—桌面搜尋時。’ 此外，如上所述，該系統及方法可實施於非羅馬纽士 (例如，㈣語言）輸入法編輯器中。可使用所辨識之^ 實體/新字列表來提供對-輸人字序列中之下—字符广名 建議。舉例而t，假設片語”超級女聲"及，，超級女生，：= 皆已被辨識為該姓名實體/新字資料 雨者 文輸入法編輯器中，當使用者已 中 a。埏入前二個字符， 時，該編輯器可自動地提供一建議M 、女 字符。藉此方式，使用者來用作下一 π丨至J视選所期望 不必一定手動地鍵入下一字符 者且 字符目此，其他實施方案亦歸 135230.doc 201015348 屬於以下申請專利範圍之範疇内。 【圖式簡單說明】 現在將參照以下圖式詳細閣述此等及其他態樣。 圖1係可藉由自輸人項辨識咖w來產生―資料庫之一 系統之一概念圖。 圖2A顯示輸入項中之各種候選nenw。 圖2B顯示一列候選NENW及其來自圖2 A之輸入項之相關 聯出現率/計數。 • ® 2C顯示一列候選NENW及其來自圖仏之輸入項之相關 聯正規化計數。 圖3係圖解說明自輸入項辨識姓名實體/新字之一程序之 一流程圖。 圖4係圖解說明使用自輸入項所辨識之姓名實體/新字來 進行拼字校正之一程序之一流程圖。 圖5係計算裝置及系統之一方塊圖。 在各圖式中’相同之參考符號指示相同之元件。 ^ 【主要元件符號說明】 100 系統 110 輸入項 120 NENW辨識 130 資料庫 205 分段 210 候選姓名實體/新字 215 候選姓名實體/新字 135230.doc - 31 - 201015348 參 220 分段 225 分段 230 候選姓名實體/新字 235 候選姓名實體/新字 245 分段 250 候選姓名實體/新字 255 分段 260 候選姓名實體/新字 265 候選姓名實體/新字 500 計算裝置 502 處理器 504 記憶體 506 儲存裝置 508 高速介面/高速控制器 510 高速擴充埠 512 低速介面/低速控制器 514 低速擴充埠 516 顯示器 520 標準伺服器 522 膝上型電腦 524 機架式伺服器系統 550 計算裝置 552 處理器 554 顯示器 135230.doc .32· 201015348 556 558 560 562 564 566 568 570 φ 574 580 582 顯示介面 控制介面 聲訊編解碼器 外部介面 記憶體 通信介面 收發器 GPS接收器模組 擴充記憶體 蜂巢式電話 智慧型電話 135230.doc -33-

Claims (1)

1. 201015348 十、申請專利範面： 1. 一種由電腦實施之方法， 丹岜括： 接收-包括一文字串之輪入項； 自該輸入項識別分段資訊及 基於該分段資訊，自該 文字串。 項之該文字串產生一候選 2. 如請求項1之方法，進一步包括·· 當該分段資訊不可用眭 ❹ 字串相關聯。 ’該整個文字串與該候選文 3·如請求項2之方法，進—步包括： 為該候選文字串產生一正規化計數；及 將該候選文字串與一辭典比較。 4_如：求項3之方法，進-步包括： ❹ 將該候選選文字串尚未储存於該辭典中時， “請求二r二資:::作為-… 將該候選文字串與該資料庫比較； ΐ::Γι確定該候選文字串是否被錯誤拼字;及 6_如請求们之文方子法串被錯誤拼字時，產生一替代文字串。 擎之使用者查，，其用中該輸入項包括一用於-搜尋弓丨 入法編輯器之-使用者輸人時傳款腳本，或用於1 7二:二Γ之方法，其中該文字串包括非羅馬語言之一 丨岡4個以上之字。 乂 I35230.doc 201015348 8 ·如請求j 之方法’其中該分段資訊包括一使用者產生 之分段，姑 孩为段可用於在該文字串中之字或片語之間進 行區別。 9. 如請灰馆， 項1之方法，其中該候選文字串包括一個或一個 以上之姓名實體或新字。 10·如：求項3之方法’其中該辭典包括—專有名詞辭典。 11.如请求項7之方法，其中該非羅馬語言係中文、曰文或 韓文語言。 a长項8之方法’其中該使用者產生之分段包括一空 格:二標記、一引號、一括弧或一標點符號。 13_如請求項9之方法，其中 再甲該等姓名實體包括成語、諺語 及民族、組織或地方之名稱。 14. 如請求項9之方法，其中 具中該新予包括當前尚未納入辭典 中之字。 15. :2括一儲存於一電腦可讀媒體上之電腦程式產品之 ❹ :裝置’該所儲存電腦程式產品包含使該計算裝置執 订包括以下功能之可執行指令： 接收一包括一文字串之輸入項； 自該輸入項識別分段資訊；及 基於該分段資訊，自咭銓λτ5 令一虫 自該輸入項之該文字串產生一候選 又子串。 16. 如請求項15之計算裝置，1 ^ . . .. _ χ 中該所儲存電腦程式產品進 一步包s使該計算裝置執行包 ^ . W下功能之可執行指 I35230.doc 201015348 當該分段資訊不可用時，俅敕 使整個文字串與該候選文字 串相關聯。 17·如請求項16之計算裝置，其 、中該所儲存電腦程式產品進 一步包含使該計算裝置執杆 八. 置轨仃包括以下功能之可執行指 令· 為該候選文字串產生一正規化計數；及 將該候選文字串與一辭典比較。 18.如請求項17之計算裝置， 具中°亥所儲存電腦程式產品進 =步包含使該計算裝置執行包括以下功能之可執行指 較確定該㈣文字串尚未储存於該辭典中時， 將該候選文字串儲存於__資料料作為—正準文 19.如請求項18之計算裝 T异裒置其中該所儲存電腦程式產 一步包含使該計算裝置執行勺 進 令： 置執仃包括以下功能之可執行指 將5亥候選文字串與該資料庫比較； X比較，確疋該候選文字串是否被錯誤拼字 虽該候選文字串被錯誤拼字時，產 2〇. 一種系統，其包括： 管代文予串。 串，’項，、且件，其經組態以允許一使用者鍵入一文字 產生構件，用於自該輸入文字串產生一候選 -資料庫’其經組態以： ，及 確疋該候選文字串是否已在該資料庫中；及 135230.doc 201015348 ，將該候 當該候選文字串尚未儲存於該資料庫中 選文字串儲存於該資料庫中。

   135230.doc