[发明专利]一种词典数据表的生成及应用方法和装置

权利要求书

1.一种词典数据表的生成方法，其特征在于，包括：

从元数据表中提取至少一条数据资源信息，其中，各条数据资源信息包括数据资源发布者，数据资源发布时间，数据资源的属性，数据资源中的人物、地点、机构，数据资源的关键词中的一项或多项；

对于所述各条数据资源信息，计算该条数据资源信息中各项信息的词汇的哈希hash值；

根据该条数据资源信息中各项信息的词汇的hash值，查找该条数据资源信息中各项信息的词汇在词典表中的标识，其中，所述词典表的数据项架构包括词的标识、词的hash值以及词本身；

在词典数据表中存储所述各条数据资源信息中各项信息的词汇在词典表中的标识，以实现在所述词典数据表中存储所述各条数据资源信息；

当所述各条数据资源信息包括数据资源中的人物、地点、机构中的一项或多项时，所述从元数据表中提取至少一条数据资源信息，包括：

从元数据表中提取各条数据资源的标题和/或摘要；

对所述各条数据资源的标题和/或摘要进行分词处理，得到分词结果；

从所述分词结果中提取所述各条数据资源中的人物、地点、机构中的一项或多项；或者

当所述各条数据资源信息包括数据资源中的人物、地点、机构中的一项或多项时，所述从元数据表中提取至少一条数据资源信息，包括：

从元数据表中提取各条数据资源的关键词；

利用预设的人物、地点、机构的词源库，从所述各条数据资源的关键词中提取所述各条数据资源中的人物、地点、机构中的一项或多项。

2.根据权利要求1所述的方法，其特征在于，包括：

从词典数据表中取出至少一条数据资源信息；

从所述数据资源信息中选取多个词的标识；

对于所述多个词中的每两个词，在词语关联表中查找该两个词的标识是否存在；

若不存在，则初始该两个词的关联深度值至初始值，并将该两个词的标识以及关联深度值作为词语关联表的数据项进行存储；

所述对于所述多个词中的每两个词，在词语关联表中查找该两个词的标识是否存在之后，还包括：

若存在，则将该两个词的关联深度值加上第一预设数值。

3.一种词典数据表的生成装置，其特征在于，包括：

提取模块，用于从元数据表中提取至少一条数据资源信息，其中，各条数据资源信息包括数据资源发布者，数据资源发布时间，数据资源的属性，数据资源中的人物、地点、机构，数据资源的关键词中的一项或多项；

计算模块，用于对于所述各条数据资源信息，计算该条数据资源信息中各项信息的词汇的哈希hash值；

第一查找模块，用于根据该条数据资源信息中各项信息的词汇的hash值，查找该条数据资源信息中各项信息的词汇在词典表中的标识，其中，所述词典表的数据项架构包括词的标识、词的hash值以及词本身；

存储模块，用于在词典数据表中存储所述各条数据资源信息中各项信息的词汇在词典表中的标识，以实现在所述词典数据表中存储所述各条数据资源信息；

当所述各条数据资源信息包括数据资源中的人物、地点、机构中的一项或多项时，所述提取模块还用于：

从元数据表中提取各条数据资源的标题和/或摘要；

对所述各条数据资源的标题和/或摘要进行分词处理，得到分词结果；

从所述分词结果中提取所述各条数据资源中的人物、地点、机构中的一项或多项；或者

当所述各条数据资源信息包括数据资源中的人物、地点、机构中的一项或多项时，所述提取模块还用于：

从元数据表中提取各条数据资源的关键词；

利用预设的人物、地点、机构的词源库，从所述各条数据资源的关键词中提取所述各条数据资源中的人物、地点、机构中的一项或多项。

4.根据权利要求3所述的装置，其特征在于，包括：

选取模块，用于从词典数据表中取出至少一条数据资源信息；以及从所述数据资源信息中选取多个词的标识；

第二查找模块，用于对于所述多个词中的每两个词，在词语关联表中查找该两个词的标识是否存在；

处理模块，用于若所述第二查找模块在词语关联表中未查找到该两个词的标识，则初始该两个词的关联深度值至初始值，并将该两个词的标识以及关联深度值作为词语关联表的数据项进行存储；

所述处理模块还用于：

若所述第二查找模块在词语关联表中查找到该两个词的标识，则将该两个词的关联深度值加上第一预设数值。