[发明专利]无歧义日本人名列表构建方法、人名识别方法及装置

权利要求书

1.一种构建无歧义日本人名相关词语列表的方法，所述方法包括：

利用日本姓氏列表对日本常见人名列表进行姓名分离以得到日本名字列表；

将带有日本人名相关标记的训练语料划分为日本人名相关词语集合和其他词语集合；

将所述日本人名相关词语集合与所述日本常见人名列表、日本姓氏列表和从日本常见人名列表进行姓名分离而得到日本名字列表合并为日本人名相关词语总集合；

针对日本人名相关词语总集合中的每一个日本人名相关词语判断该词语是否为无歧义日本人名相关词语以建立无歧义日本人名相关词语列表。

2.如权利要求1所述的方法，其中，在针对日本人名相关词语总集合中的每一个日本人名相关词语判断该词语是否为无歧义日本人名相关词语以建立无歧义日本人名相关词语列表的步骤中，在日本人名相关词语在训练语料中只作为日本人名相关词语出现，而不作为其他角色出现的情况下，判断该词语为无歧义日本人名相关词语，从而将该词语归并到相应的无歧义日本人名相关词语列表中。

3.一种利用如权利要求1-2中的任一方法构建的无歧义日本人名相关词语列表的日本人名识别方法，所述日本人名识别方法包括：

基于无歧义日本人名相关词语列表对待识别人名的语句进行分词以获得待标注序列；

对待标注序列中包含的无歧义日本人名相关词语给定相应的角色标注；以及

利用人名识别模型对所述待标注序列中除无歧义日本人名相关词语之外的其他词语进行角色标注。

4.如权利要求3所述的日本人名识别方法，还包括：对待标注序列中的词语进行角色标注之后所获得的标注结果执行包括日本人名识别结果检查和日本人名识别结果扩散的后处理。

5.如权利要求4所述的日本人名识别方法，其中，在基于无歧义日本人名相关词语列表对待识别人名的语句进行分词以获得待标注序列的步骤中，在待识别人名的语句中包含无歧义日本人名相关词语的情况下，先将所述无歧义日本人名相关词语分割出来，然后再对待识别人名的语句的其他部分进行分词。

6.一种构建无歧义日本人名相关词语列表的装置，所述装置包括：

姓名分离装置，利用日本姓氏列表对日本常见人名列表进行姓名分离以得到日本名字列表；

训练语料划分装置，将带有日本人名相关标记的训练语料划分为日本人名相关词语集合和其他词语集合；

日本人名相关词语合并装置，将所述日本人名相关词语集合与所述日本常见人名列表、日本姓氏列表和从日本常见人名列表进行姓名分离而得到日本名字列表合并为日本人名相关词语总集合，

无歧义日本人名相关词语判断及列表建立装置，针对日本人名相关词语总集合中的每一个日本人名相关词语判断该词语是否为无歧义日本人名相关词语以建立无歧义日本人名相关词语列表。

7.如权利要求6所述的装置，其中，无歧义日本人名相关词语判断及列表建立装置在日本人名相关词语在训练语料中只作为日本人名相关词语出现，而不作为其他角色出现的情况下，判断该词语为无歧义日本人名相关词语，从而将该词语归并到相应的无歧义日本人名相关词语列表中。

8.一种利用如权利要求6-7中的任一装置构建的无歧义日本人名相关词语列表的日本人名识别装置，所述日本人名识别装置包括：

分词装置，基于无歧义日本人名相关词语列表对待识别人名的语句进行分词以获得待标注序列；

预先标注装置，对待标注序列中包含的无歧义日本人名相关词语给定相应的角色标注；以及

标注装置，利用人名识别模型对所述待标注序列中除无歧义日本人名相关词语之外的其他词语进行角色标注。

9.如权利要求8所述的日本人名识别装置，还包括：

后处理装置，对待标注序列中的词语进行角色标注之后所获得的标注结果执行包括日本人名识别结果检查和日本人名识别结果扩散的后处理。

10.如权利要求9所述的日本人名识别装置，其中，分词装置在待识别人名的语句中包含无歧义日本人名相关词语的情况下，先将所述无歧义日本人名相关词语分割出来，然后再对待识别人名的语句的其他部分进行分词。