汉语辞典项目中主要设计到几个方面技术的研究
- 拼音和汉字索引
- 文件读写
一).拼音索引 成语数量在1300的数量级上,其仅仅通过sqlite进行查询耗时较多,没有索引的数据库进行查询时做遍历操作。然而在数据库的基础上建立的索引虽然可以提高效率,然而该索引过于通用。因此这里给简拼和汉字建立独立的索引,实现词典的实时检索跟进。 在简拼和汉字索引使用的是两级索引结构。
首先分析简拼查找功能块。通过分析,检索‘a’等高频词会得到千数量级的结果,而对于一些低频词,如‘i’,则只有少量结果,因此只给高频词汇建立两级索引。
在汉字查找功能块。由于分割后字的个数远远大于26个英文字母,并且分布也很参差不齐,索引不能沿用拼音索引的建立方式。这里通过汉字比划进行排序,根据每个字的比划进行分类。这样一来当用户输入一个字后,会通过比划进行比划索引匹配,该索引是简历在拼音索引之上的,因此结果集较小只需简单过滤就可得到最终结果。
在成语出处查询中,(待续)
历史记录
结果界面: