[发明专利]词库更新装置、数据整合装置和方法以及电子设备

说明书

技术领域

本公开涉及数据处理领域，尤其涉及词库更新装置、数据整合装置和方法以及电子设备。

背景技术

如今，人们在进行语言表达（尤其是某些复杂含义的表达）时，越来越多地使用新兴词汇，例如随着互联网的普及而涌现出的很多网络词汇。针对这些新兴词汇，如何更新现有的词库（尤其是具有预定属性的词库、例如形容词词库）是本领域目前面临的问题。当前的词库更新方法通常是人为地直接将这些词汇加入具有预定属性的词库中。这种方式显然是费时费力的。现有技术中存在一种基于分词技术和句法依存技术来更新词库的方法，但是由于通过句法依存技术仅能够获取语句中各个词汇间的关系（如动宾关系、主谓关系、定中关系），其并不能准确地确定词汇的属性，因此不能够实现对预定词库的准确的更新。此外，由于不能准确地对预定词库进行更新，在对来自不同数据源的数据进行处理时会导致包含有在预定词库中没有的词汇的数据可能会被丢弃，从而导致数据处理的效率不高。

因此，当前亟需一种能够针对该新兴词汇，对词库、尤其是与该词汇具有相同特性的预定词库进行更新的装置和方法。

发明内容

在下文中给出了关于本公开的简要概述，以便提供关于本公开的某些方面的基本理解。应当理解，这个概述并不是关于本公开的穷举性概述。它并不意图确定本公开的关键或重要部分，也不意图限定本公开的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于现有技术的上述缺陷，本公开的目的之一是提供一种词库更新装置和方法、包含该词库更新装置的数据整合装置和方法以及电子设备，以至少克服现有技术中不能针对新兴词汇、对预定词库进行自动更新的问题。

根据本公开的一个方面，提供了一种用于自动更新预定词库的词库更新装置，包括：语句表达单元，用于收集来自不同数据源的语句并对收集到的每个语句进行处理，以利用多元组来表达每个语句；候选词集合形成单元，用于基于多元组中的分量并且根据预定词库，形成用于更新该预定词库的候选词集合；候选词判定单元，用于针对候选词集合中的每个候选词，根据包含该候选词的至少一个多元组中除该候选词之外的一个或多个其它分量，判定该候选词是否与预定词库中的词是同一类型；以及词库更新单元，用于在候选词被判定为与该预定词库中的词是同一类型时，使用该候选词更新该预定词库。

根据本公开的又一个方面，还提供一种用于自动更新预定词库的词库更新方法，包括：收集来自不同数据源的语句并对收集到的每个语句进行处理，以利用多元组来表达每个语句；基于多元组中的分量并且根据该预定词库，形成用于更新该预定词库的候选词集合；针对候选词集合中的每个候选词，根据包含该候选词的至少一个多元组中除该预定词之外的一个或多个其它分量，判定该候选词是否与预定词库中的词是同一类型；在候选词被判定为与预定词库中的词是同一类型时，使用该候选词更新该预定词库。

根据本公开的另一个方面，提供一种针对特定对象对来自不同数据源的语句进行整合的数据整合装置，包括：语句表达单元，用于收集来自不同数据源的语句并对收集到的每个语句进行处理，以利用多元组表达每个语句；预定候选词判定单元，用于将每个多元组中的与该预定词库中的词相似的分量作为与该预定词库中的词为同一类型的预定候选词并且判定每个预定候选词是否在该预定词库中；词库更新单元，用于当预定候选词不在该预定词库中时，根据包含该预定候选词的至少一个多元组中的除该预定候选词之外的一个或多个其它分量，判断该预定候选词是否与该预定词库中的词是同一类型，并且使用被判断为与该预定词库中的词为同一类型的预定候选词更新该预定词库；以及数据整合单元，用于当预定候选词在该预定词库中或者在经所述词库更新单元更新后的预定词库中的情况下，针对与所述特定对象相关的每个对象词，根据包含该对象词和相同预定候选词的多个多元组中除所述预定候选词和对象词之外的一个或多个其他分量，对所述多元组进行数据整合，得到针对所述特定对象的每个对象词的综合信息。