[发明专利]一种新词提取方法及装置

权利要求书

1.一种新词提取方法，其特征在于，包括：

获取给定语料，并对所述给定语料进行分词处理，获得若干第一词组；其中，所述给定语料包括若干篇文章；

计算每一所述第一词组的凝固度和自由度，继而提取凝固度和自由度符合预设阈值条件的若干第一词组，作为第二词组；

计算每一所述第二词组在所述给定语料中各文章的篇频；其中，所述篇频为词组在一篇文章中出现的次数；

根据各所述文章的文章影响力对每一所述第二词组的各篇频进行加权计算，获得各所述第二词组的加权篇频；

根据每一所述第二词组的加权篇频进行排序，并根据排序结果提取出新词。

2.如权利要求1所述的新词提取方法，其特征在于，通过以下公式计算一所述文章的文章影响力：

；

其中,为待评估文章、为待评估文章的文章影响力、为引用了待评估文章的文章集合、为集合中的一篇文章、为文章的影响力，为文章所引用的文章数量。

3.如权利要求1所述的新词提取方法，其特征在于，在获得若干第二词组之后，在计算每一所述第二词组在所述给定语料中各文章的篇频之前，还包括：

剔除开头或结尾为停用词的第二词组。

4.如权利要求1所述的新词提取方法，其特征在于，还包括：在提取出所述新词后，根据各所述新词所属文章的领域类型，设置所述新词的类别标签，对所述新词进行分类。

5.一种新词提取装置，其特征在于，包括分词处理模块、第二词组提取模块、篇频计算模块、加权篇频计算模块以及新词提取模块；

所述分词处理模块，用于获取给定语料，并对所述给定语料进行分词处理，获得若干第一词组；其中，所述给定语料包括若干篇文章；

所述第二词组提取模块，用于计算每一所述第一词组的凝固度和自由度，继而提取凝固度和自由度符合预设阈值条件的若干第一词组，作为第二词组；

所述篇频计算模块，用于计算每一所述第二词组在所述给定语料中各文章的篇频；其中，所述篇频为词组在一篇文章中出现的次数；

所述加权篇频计算模块，用于根据各所述文章的文章影响力对每一所述第二词组的各篇频进行加权计算，获得各所述第二词组的加权篇频；

所述新词提取模块，用于根据每一所述第二词组的加权篇频进行排序，并根据排序结果提取出新词。

6.如权利要求5所述的新词提取装置，其特征在于，还包括停用词剔除模块；所述停用词剔除模块，用于剔除开头或结尾为停用词的第二词组。

7.如权利要求5所述的新词提取装置，其特征在于，还包括:新词分类模块；

所述新词分类模块，用于在提取出所述新词后，根据各所述新词所属文章的领域类型，设置所述新词的类别标签，对所述新词进行分类。