[发明专利]用于自然语言处理的领域词典生成系统

权利要求书

1.用于自然语言处理的领域词典生成系统，其特征在于，所述系统在自动区分待处理文本主题的基础上，根据种子词进行对应领域词典的自动构建；

所述词典构建包含以下实现过程：

(1)提取出待处理文本集中各文本的关键词；

(2)对待处理文本进行聚类，生成N个主题文本集，其中N为整数且N≥2；

(3)统计种子词在各主题文本集中出现的频率；将频率超过阈值的主题文本集作为领域词典扩展的源文本集；

(4)计算种子词与源文本集的文本中各候选词的关联度，将关联度到达阈值的候选词作为领域词存入待扩充的词典中。

2.如权利要求1所述的系统，所述步骤(1)中采用以下计算公式来提取关键词，所述公式为：

$TR\left(v_i\right)=\frac{1-d}{N}+d\underset{v_j\∈relat\left\{v_i\right\}}{\Σ}\frac{TR\left(v_j\right)}{N\left(p_j\right)}$

TR(v_i)是文本中词v_i的重要性，d是阻尼系数，一般设置为0.85，N是无向图中所有词的个数，relat{v_i}是与词v_i有共现关系的词集合，v_j是relat{v_i}中的任意一个词，TR(v_j)是v_j的重要性，N(p_j)是与v_j有共现关系的词的个数。