[发明专利]基于规则的领域词典构建方法

权利要求书

1.基于规则的领域词典构建方法，其特征在于：包括以下工作步骤：

ST1：领域语料预处理；

ST2：领域语料特征词集挖掘；

ST3：领域词语挖掘。

2.根据权利要求1所述的基于规则的领域词典构建方法，其特征在于：所述ST1的领域语料预处理具体包括去除语料噪音，包括空白字符、无效字符；如果存在换行符、回车符，将语料拆分为段落；如果段落中存在句号、冒号、问号，将段落拆分为句子。

3.根据权利要求1所述的基于规则的领域词典构建方法，其特征在于：所述ST2中语料特征词的挖掘规则包括：

(2.1)实体组合规则1：‘[修饰词|词汇用语]？感官特征’；

其中，‘感官特征’为主体，‘[*]？’代表修饰，实体组合规则1可以挖掘到实体标签为‘感官特征’的词语，添加进语料特征词集中；如果该词语有修饰且修饰词的实体标签为‘修饰词’或者‘词汇用语’，则将修饰词和主体组合为一个词语，添加进语料特征词集中；

(2.2)实体组合规则2：‘术语类+？’；

其中，‘术语类’为主体，‘+？’代表单个或多个；实体组合规则2可以挖掘到实体标签为‘术语类’的词语，添加进语料特征词集中；如果存在多个实体标签为‘术语类’的词语相邻，则将它们组合为一个词语，添加进语料特征词集中；

(2.3)词性组合规则1：‘nz’；

其中，‘nz’代表专有名词，如果有词语的词性为‘nz’，添加进语料特征词集中；

(2.4)词性组合规则2：‘[a|n]+？[n|vn]’；

其中，‘[n|vn]’为主体，可以为名词或者动名词；词性组合规则2可以挖掘到词性标签为‘名词’或者‘名动词’的词语，添加进语料特征词集中；如果该词语有修饰且修饰词的词性标签为‘形容词’，则将单个或者多个修饰和主体组合为一个‘整体’，添加进语料特征词集中；如果存在多个‘整体’，则将多个‘整体’组合为一个词语，添加进语料特征词集中；

(2.5)词性与终止符的组合规则1：‘[n|vn|nz]等’；

其中，‘等’为触发词，如果它们之前的词的词性为‘名词’、‘名动词’、‘专有名词’，添加进语料特征词集中；

(2.6)词性与终止符的组合规则2：‘[a|u|n|nz]+？[n|vn|nz][((]’；

其中，‘((’为触发词，通常格式为左括号右边的内容是对左边词语的解释，‘[n|vn|nz]’为主体，‘[a|u|n|nz]+？’代表修饰；词性与终止符的组合规则2可以挖掘到词性为名词、动名词、专有名词的词语，添加进语料特征词集中；如果该词语有修饰且修饰词的词性标签为‘形容词’、‘助词’，则可以和主体组合为一个‘整体’，添加进语料特征词集中；如果存在多个‘整体’，则将多个‘整体’组合为一个词语，添加进语料特征词集中。

4.根据权利要求1所述的基于规则的领域词典构建方法，其特征在于：所述ST2中语料特征词挖掘步骤为：加载Paddlenlp平台提供的预训练模型，包括命名实体识别模型和依存句法分析模型，对预处理过后的句子进行分析，得到分词结果、命名实体识别结果、词性分析结果，通过定义的六个规则挖掘语料特征词，添加进语料特征词集中；挖掘的语料特征词集，只能算是语料相关的特征词，不完全是领域相关的词语，需要对语料特征词集进行筛选。