[发明专利]新词组发现的方法及装置有效
| 申请号： | 201610023524.1 | 申请日： | 2016-01-14 |
| 公开（公告）号： | CN106970919B | 公开（公告）日： | 2020-05-12 |
| 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： | G06F16/31 | 分类号： | G06F16/31;G06F40/216 |
| 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组发现的方法及装置，涉及计算机技术领域，为解决现有发现新词组的方法中容易造成低频新词组遗漏的问题而发明。本发明的方法包括：获取候选新词组以及候选新词组的子字符串，候选新词组中包含多个词；根据候选新词组和子字符串的左右词缀的统计信息的关系计算词组内统计信息值；根据候选新词组的左右词缀的统计信息和候选新词组在语料中出现的频次计算词组间统计信息值；根据多个词和候选新词组的左右词缀的统计信息的关系计算合并收益值；根据词组内统计信息值、词组间统计信息值以及合并收益值计算得到候选新词组的成词组得分；根据成词组得分确定候选新词组是否为新词组。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： | 词组 发现 方法 装置 | ||
【主权项】：
一种新词组发现的方法，其特征在于，所述方法包括：获取候选新词组以及所述候选新词组的子字符串，所述候选新词组是在用于发现新词组的语料中出现的满足预设频次阈值的字符串，所述候选新词组中包含多个词；根据所述候选新词组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，计算所述候选新词组的词组内统计信息值，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，所述词组内统计信息值用于表征所述候选新词组内部字符之间的聚合程度；根据所述候选新词组的左右词缀的统计信息和所述候选新词组在所述语料中的出现的频次，计算所述候选新词组的词组间统计信息值，所述词组间统计信息值用于表征所述候选新词组与所述候选新词组相邻的字符搭配的固定程度；根据所述多个词的左右词缀的统计信息和所述候选新词组的左右词缀的统计信息的关系，计算所述候选新词组的合并收益值，所述合并收益值用于表征所述多个词组合对确定候选新词组为新词组的贡献值；根据所述词组内统计信息值、所述词组间统计信息值以及所述合并收益值计算得到所述候选新词组的成词组得分；根据所述成词组得分确定所述候选新词组是否为新词组。
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/201610023524.1/，转载请声明来源钻瓜专利网。
