[发明专利]新词发现的方法及装置有效
| 申请号： | 201610023772.6 | 申请日： | 2016-01-14 |
| 公开（公告）号： | CN106970904B | 公开（公告）日： | 2020-06-05 |
| 发明（设计）人： | 史立华 | 申请（专利权）人： | 北京国双科技有限公司 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F40/216;G06F16/9535 |
| 代理公司： | 北京鼎佳达知识产权代理事务所(普通合伙) 11348 | 代理人： | 王伟锋;刘铁生 |
| 地址： | 100083 北京市海淀区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种新词发现的方法及装置，涉及计算机技术领域，为解决现有技术中发现新词的方法中容易造成低频新词遗漏的问题而发明。本发明的方法包括：获取候选新词以及候选新词的子字符串，候选新词是在用于发现新词的语料中出现的满足预设频次阈值的字符串；根据候选新词的左右词缀的统计信息和子字符串的左右词缀的统计信息的关系，计算候选新词的词内统计信息值；根据候选新词的左右词缀的统计信息和候选新词在语料中的出现的频次，计算候选新词的词间统计信息值；根据词内统计信息值和词间统计信息值计算得到候选新词的成词得分；根据成词得分确定候选新词是否为新词。本发明适合应用在文本分析或者信息挖掘的过程中。 | ||
| 搜索关键词： | 新词 发现 方法 装置 | ||
【主权项】：
一种新词发现的方法，其特征在于，所述方法包括：获取候选新词以及所述候选新词的子字符串，所述候选新词是在用于发现新词的语料中出现的满足预设频次阈值的字符串；根据所述候选新词的左右词缀的统计信息和所述子字符串的左右词缀的统计信息的关系，计算所述候选新词的词内统计信息值，所述左词缀为字符串左侧相邻的字符，所述右词缀为字符串右侧相邻的字符，所述词内统计信息值用于表征所述候选新词内部字符之间的聚合程度；根据所述候选新词的左右词缀的统计信息和所述候选新词在所述语料中出现的频次，计算所述候选新词的词间统计信息值，所述词间统计信息值用于表征所述候选新词与所述候选新词相邻的字符搭配的固定程度；根据所述词内统计信息值和所述词间统计信息值计算得到所述候选新词的成词得分；根据所述成词得分确定所述候选新词是否为新词。
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北京国双科技有限公司，未经北京国双科技有限公司许可，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/201610023772.6/，转载请声明来源钻瓜专利网。
- 上一篇：物流系统中地址信息的处理方法及装置
- 下一篇：一种语义分析方法
