[发明专利]一种融合固定短语信息的中文命名方法

权利要求书

1.一种融合固定短语信息的中文命名方法，其特征在于，其输入对象包括原始标题、描述文本、固定短语数据库，所述固定短语数据库包括固定短语和所述固定短语的解释信息，按照如下步骤实现，

S1：加载预训练的词性标注模型、中文分词模型以及中文文本词向量；

S2：综合应用字数统计算法和关键词抽取算法，抽取出核心关键字；

S3：核心关键字同音或谐音匹配固定短语，形成替换后的谐音短语集合；

S4：通过嵌套转换模块对所述替换后的谐音短语集合转换并排序，生成推荐的谐音短语序列；

所述S2中字数统计算法实现方式为，

S211：对所述描述文本进行遍历，对于首次出现在所述描述文本中的字将被计入字典中，并将值设为1，对于非首次出现的字将自动进行加一操作；

S212：统计每个字的对应计数值；

S213：按所述计数值从大到小对所述字排序，形成关键字序列；

所述S2中关键词抽取算法实现方式为，

S221：使用tfidf算法抽取第一词语序列；

S222：使用TextRank算法抽取第二词语序列；

S223：将所述第一词语序列与所述第二词语序列合并，去掉重复词语，得到关键词集合；

所述S2中抽取出核心关键字实现方式为，

S231:针对所述关键字序列，按顺序分别在所述关键词集合中遍历；对于属于所述关键字序列中的某关键字，依次遍历所述关键词集合，当检测到所述某关键字存在于所述关键词集合中的任何一个词语中的时候，则停止遍历，并保留所述某关键字；当所述某关键字不存在于所述关键词集合中的任一个词语中的时候，则将其从所述关键字序列中删除；所述关键字序列中的全部关键字均遍历完成后，形成第二关键字序列；

S232:针对所述第二关键字序列中的所有关键字依次使用所述词性标注模型进行判断，舍弃掉所有的非名词的关键字，形成第三关键字序列；

S233：针对所述第三关键字序列中的所有关键字，依次判断其是否存在于所述原始标题中，若存在则保留，若不存在则舍弃，形成最终关键字序列；

S234：若所述最终关键字序列仅包含一个关键字，则该关键字为所述核心关键字；若所述最终关键字序列包含两个或两个以上关键字，则按顺序保留前两个关键字，作为所述核心关键字；若所述最终关键字序列为空，则将所述原始标题中的最后一个字作为所述核心关键字。

2.如权利要求1所述的融合固定短语信息的中文命名方法，其特征在于，所述S3的具体实现方式为，

S301：将所述核心关键字转换为无标注的拼音；

S302：将所述固定短语数据 库中的所述固定短语依次输入到拼音转换模块转换为固定短语语音信息；

S303：将所述无标注的拼音与所述固定短语语音信息逐条匹配，检索所述无标注的拼音是否存在于所述固定短语语音信息中；若存在，则同时获取所述无标注的拼音在所述固定短语语音信息中的位置信息，并将所述核心关键字替换掉对应的所述固定短语相同位置上的同音字，形成固定短语谐音短语，同时记录所述固定短语的解释信息，并继续检索下一条所述固定短语语音信息；如不存在，则继续检索下一条所述固定短语语音信息；直至全部匹配完毕，形成固定短语谐音短语集合，同时所述固定短语的解释信息形成固定短语解释信息集合；

S304：若所述核心关键字包含两个关键字，则S303中需要满足两个关键字的无标注的拼音同时存在于所述固定短语语音信息中，才视为匹配；若匹配完成后，所述固定短语谐音短语集合为空，则仅保留第一个关键字，并重复S301-S303；

S305：若所述固定短语谐音短语集合中的所述固定短语谐音短语超过10个，则采用编辑距离算法进行排序，并保留前10个，形成新的固定短语谐音短语集合。

3.如权利要求1所述的融合固定短语信息的中文命名方法，其特征在于，所述S4的具体实现方式为，

S401：使用SBert模型，将所述固定短语谐音短语集合和所述固定短语解释信息集合转化为语义向量并相加；

S402：使用SBert模型，将所述描述文本同样转化为语义向量；

S403：使用词频和余弦相似度共同计算得分并排序，生成推荐的谐音短语序列。