[发明专利]一种针对中医药症状句子的中文分词方法有效
| 申请号： | 201710508975.9 | 申请日： | 2017-06-28 |
| 公开（公告）号： | CN107357780B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 姜晓红;毛宇;付钊;杜定益;陈广;吴朝晖 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 33224 杭州天勤知识产权代理有限公司 | 代理人： | 王琛 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种针对中医药症状句子的中文分词方法，该分词方法首先通过分割词库、频繁词库做预筛选，然后利用正向条件概率和逆向条件概率做进一步分析，对于依旧不能确定的情况，再综合相对位置给出最后的结果。本发明分词方法有效地针对了中医药症状领域的特殊性，克服了传统中文分词方法不适用于中医药领域的缺点，在分词的准确率和召回率上均有较大的提高。 | ||
| 搜索关键词： | 一种 针对 中医药 症状 句子 中文 分词 方法 | ||
【主权项】：
1.一种针对中医药症状句子的中文分词方法，包括如下步骤：/n(1)获取中医药症状语料库并对其进行数据清洗；/n(2)对语料库中所有相邻汉字组合的出现频次进行统计，将大于一定阈值的相邻汉字组合提取出来，并将这些相邻汉字组合归为频繁词库和分割词库；所述相邻汉字组合由相邻两个汉字组成；/n(3)通过对语料库中汉字单独出现次数以及相邻汉字组合出现频次进行统计，计算出相邻汉字组合的正向条件概率和逆向条件概率；/n(4)通过对语料库中相邻汉字互相依赖的次数进行统计，计算出相邻汉字组合中两个汉字的相对位置值，具体方法为：对于某一相邻汉字组合{A,B}，其由两个相邻汉字A和B组成且A在前B在后；首先从语料库中找出汉字A在前的所有相邻汉字组合，然后统计这些相邻汉字组合在语料库中出现的频次，并按照频次对这些相邻汉字组合进行降序排列，则相邻汉字组合{A,B}在其中的序号即为汉字B相对于汉字A的位置值；同理从语料库中找出汉字B在后的所有相邻汉字组合，然后统计这些相邻汉字组合在语料库中出现的频次，并按照频次对这些相邻汉字组合进行降序排列，则相邻汉字组合{A,B}在其中的序号即为汉字A相对于汉字B的位置值；/n(5)对于任一给定的中医药症状句子，从左到右逐个扫描相邻两个汉字，综合所述频繁词库和分割词库、正向条件概率和逆向条件概率以及相对位置值来判断相邻两个汉字是否应该被分割。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710508975.9/，转载请声明来源钻瓜专利网。
