【技术实现步骤摘要】
本专利技术涉及一种一种海量音频数据中的字符串快速模糊匹配算法,属于自然语言处理领域。
技术介绍
字符串匹配问题是在给定符号序列(称为文本)中按照一定的匹配条件,搜索给定符号序列或给定符号序列集合中元素(称为模式)出现位置的搜索问题。该问题是计算机科学的基础问题之一,被广泛的应用于各种涉及文字和符号处理的领域中,是网络安全、信息检索、计算生物学等重要领域的关键问题。随着网络安全问题凸显、海量信息检索、计算生物学高速发展,现有串匹配算法已经无法满足应用对匹配性能的需要,急需性能更高的串匹配算法出现。在串匹配算法中,最有影响的是KMP(knuth,morris,pratt)算法和BM(boyer,moore)算法,为提高字符串模式匹配的效率,研究人员针对这两种算法提出了很多变形、改进算法。BF(brute-force)算法是最为经典的算法,其思想是从目标串s的第一个字符起和模式串t的第一个字符进行比较,若相等,则继续逐个比较后续字符,否则从串s的第二个字符起再重新和串t进行比较。依此类推,直至串t中的每个字符依次和串s的一个连续的字符序列相等,则称模式匹配成功,此时串t的第一个字符在串s中的位置就是t在s中的位置,否则模式匹配不成功。其确定也很显然,速度慢开销大,且不支持字符串的模糊搜索。KMP算法是D.E.Knuth、J.H.Morris和V.R.Pratt这3位学者在BF(brute-force)算法基础上提出的模式匹配改进算法。该算法中模式串从左至右移动,字符比较也从左至右进行。但是其对其下一个字符的滑动位置的选定是一大难点。BM算法是Boyer和Moo ...
【技术保护点】
一种字符串的快速模糊匹配算法,其特征在于,所述字符串的快速模糊匹配算法包括以下步骤:(1‑1)确定需要匹配的M个文本,通过自然语言处理算法提取文本中的关键词标签,关键词标签序号为i,并将标签存入数据库中以供后续的字符串匹配查找,关键词标签记为Keyword(m,i)(文本编号m=1,2,3,...,M);(1‑2)对数据库中存储的数据进行训练学习,获得字符到标签字符串的映射关系D1,标签字符串到文本的映射关系D2,文本到标签数量的映射关系D3,并存入字典中;(1‑3)输入长度为L个字符的搜索文本X,描述想要查找的数据库中的文本,从输入的搜索文本中提取字符集合X(l)(字符序号l=1,2,3,...,L);(1‑4)遍历X(l),通过字符到标签字符串的映射关系D1从标签关键词集合Keyword(m,i)(m=1,2,3,...,M)中过滤出相关的候选标签关键词集合candidate(m,i);(1‑5)对候选标签关键词集合candidate(m,i)采用滑动窗口法,与输入文本X通过字符串模糊匹配算法进行匹配,对于输入匹配得分满足要求的标签存入命中标签集合HitLables(m,i);(1 ...
【技术特征摘要】
1.一种字符串的快速模糊匹配算法,其特征在于,所述字符串的快速模糊匹配算法包括以下步骤:(1-1)确定需要匹配的M个文本,通过自然语言处理算法提取文本中的关键词标签,关键词标签序号为i,并将标签存入数据库中以供后续的字符串匹配查找,关键词标签记为Keyword(m,i)(文本编号m=1,2,3,...,M);(1-2)对数据库中存储的数据进行训练学习,获得字符到标签字符串的映射关系D1,标签字符串到文本的映射关系D2,文本到标签数量的映射关系D3,并存入字典中;(1-3)输入长度为L个字符的搜索文本X,描述想要查找的数据库中的文本,从输入的搜索文本中提取字符集合X(l)(字符序号l=1,2,3,...,L);(1-4)遍历X(l),通过字符到标签字符串的映射关系D1从标签关键词集合Keyword(m,i)(m=1,2,3,...,M)中过滤出相关的候选标签关键词集合candidate(m,i);(1-5)对候选标签关键词集合candidate(m,i)采用滑动窗口法,与输入文本X通过字符串模糊匹配算法进行...
【专利技术属性】
技术研发人员:田学红,朱晓明,于拾全,
申请(专利权)人:深圳凡豆信息科技有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。