[发明专利]单元词替换方法、搜索方法及装置

权利要求书

1.一种单元词替换方法，其特征在于，所述方法包括：

对输入的查询语句进行分词，得到所述查询语句的第一单元词；

利用所述第一单元词，从同义词表中找出所述第一单元词的同义词集合；

从二元词组数据库中，查询得到所述第一单元词与其上下文的单元词组成的第一二元词组的第一紧密度、所述同义词集合中的第二单元词与所述第一单元词的上下文的单元词组成的第二二元词组的第二紧密度，其中，所述二元词组数据库中包括参考二元词组及所述参考二元词组的紧密度，对于参考二元词组(W_A，W_B)的两个单元词W_A和W_B，所述参考二元词组(W_A，W_B)的紧密度根据公式计算，其中，T(W_A，W_B)表示单元词W_A和W_B之间的紧密度，P(W_B|W_A)表示单元词W_B依赖于单元词W_A出现的概率，C(W_A，W_B)表示单元词W_A和W_B在语料库的训练文档集合中同时出现的次数，C(W_A)表示单元词W_A在所述语料库的训练文档集合中出现的总次数；

比较所述第一紧密度和所述第二紧密度，如果所述第二紧密度大于等于所述第一紧密度且所述第二紧密度大于预设阈值，则将所述第二单元词作为所述第一单元词的替换词。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将语料库中的单元词两两组成参考二元词组，并计算所述参考二元词组的紧密度，建立所述二元词组数据库。

3.根据权利要求2所述的方法，其特征在于，在所述计算所述参考二元词组的紧密度之后，还包括：

根据所述参考二元词组的紧密度，对所述语料库的参考二元词组进行分类；

所述二元词组数据库中包括一级词组集合、二级词组集合和三级词组集合；

如果所述参考二元词组的紧密度大于等于第一阈值，则将所述参考二元词组分类到所述一级词组集合；

如果所述参考二元词组的紧密度小于第一阈值且大于等于第二阈值，则将所述参考二元词组分类到所述二级词组集合；

如果所述参考二元词组的紧密度小于第二阈值，则将所述参考二元词组分类到所述三级词组集合。

4.根据权利要求1所述的方法，其特征在于，所述第一单元词的上下文的单元词包括以下至少一种：所述第一单元词的前导词、所述第一单元词的后导词；

所述第一紧密度包括所述第一单元词与所述第一单元词的前导词组成的第一二元词组的紧密度，或者，所述第一单元词与所述第一单元词的后导词组成的第一二元词组的紧密度；

所述第二紧密度包括所述同义词集合中的单元词与所述第一单元词的前导词组成的第二二元词组的紧密度，或者，所述同义词集合中的单元词与所述第一单元词的后导词组成的第二二元词组的紧密度。