[发明专利]获取正极性汉字的方法和装置

权利要求书

1.一种获取正极性汉字的方法，其特征在于，包括步骤：

从给定的文字材料中获取所有机构类词汇；

从获取的机构类词汇中去除公共字词；

将剩余的汉字中出现频率高者收集入正极性汉字集合。

2.如权利要求1所述的获取正极性汉字的方法，其特征在于，步骤“从 获取的机构类词汇中去除公共字词”具体包括：去除后缀或插入性公共词汇。

3.如权利要求1或2所述的获取正极性汉字的方法，其特征在于，步骤 “从给定的文字材料中获取所有机构类词汇”具体包括：对给定的文字材料， 用词性标注工具对其进行分词和词性标注，并根据词性标注结果获取其中的 机构类词汇。

4.如权利要求1或2所述的获取正极性汉字的方法，其特征在于，在步 骤“将剩余的汉字中出现频率高者收集入正极性汉字集合”具体包括：统计 剩余的汉字中各汉字的出现频率并将其按从高到低排序，将出现频率位于前 预设比例的汉字列入正极性汉字集合。

5.一种获取正极性汉字的装置，其特征在于，包括机构类词汇获取单元、 公共字词去除单元和统计单元；

所述机构类词汇获取单元用于从给定的文字材料中获取所有机构类词 汇；

所述公共字词去除单元用于从获取的机构类词汇中去除公共字词；

所述统计单元用于统计剩余的汉字中出现频率高者并将其收集入正极性 汉字集合。

6.如权利要求5所述的获取正极性汉字的装置，其特征在于，公共字词 去除单元从获取的机构类词汇中去除公共字词具体包括去除机构类词汇中的 后缀或插入性公共词汇。

7.如权利要求5或6所述的获取正极性汉字的装置，其特征在于，机构 类词汇获取单元从给定的文字材料中获取所有机构类词汇具体包括：对给定 的文字材料，用词性标注工具对其进行分词和词性标注，并根据词性标注结 果获取其中的机构类词汇。

8.如权利要求5或6所述的获取正极性汉字的装置，其特征在于，统计 单元统计剩余的汉字中出现频率高者并将其收集入正极性汉字集合具体包 括：统计剩余的汉字中各汉字的出现频率并将其按从高到低排序，将出现频 率位于前预设比例的汉字列入正极性汉字集合。