[发明专利]一种获取词语的方法及装置

权利要求书

1.一种获取词语的方法，其特征在于，所述方法包括：

对获取的文本数据进行预处理，得到带有分词信息的独立语句；

在所述独立语句中，利用结构模板筛选出具有并列结构的候选语句；

利用领域词典以及所述候选语句中的分词信息，确定所述候选语句中具有并列结构的领域分词，其中，所述领域词典是记录有相同领域分词的词典；

根据所述领域分词的位置特征，输出具有整体与部分关系的领域分词集合。

2.根据权利要求1所述的方法，其特征在于，对获取的文本数据进行预处理，得到带有分词信息的独立语句包括：

对所述文本数据进行分句处理，得到所述独立语句；

对所述独立语句进行分词处理，得到所述独立语句的分词信息；

将所述分词信息标记在所述独立语句中。

3.根据权利要求1或2所述的方法，其特征在于，利用结构模板筛选出具有并列结构的候选语句包括：

利用特征符号提取具有并列结构的独立语句；其中，所述特征符号至少包含下述之一：顿号、逻辑关系符号；

在所述并列结构的独立语句中，利用肯定模板筛选出具有整体与部分关系的候选语句，所述肯定模板用于判断所述独立语句中具有整体与部分关系的语句结构。

4.根据权利要求3所述的方法，其特征在于，利用肯定模板筛选出具有整体与部分关系的候选语句包括：

利用否定模板筛选符合所述肯定模板的独立语句，所述否定模板用于判断所述独立语句中具有非整体与部分关系的语句结构；

确定不符合所述否定模板的独立语句为所述候选语句。

5.根据权利要求4所述的方法，其特征在于，利用领域词典以及所述候选语句中的分词信息，确定所述候选语句中具有并列结构的领域分词包括：

选取领域词典；

根据所述候选语句中的分词信息，判断所述候选语句中具有并列结构的分词是否为所述领域词典中的领域分词；

若是，则确定所述分词为领域分词。

6.根据权利要求5所述的方法，其特征在于，根据所述领域分词的位置特征，输出具有整体与部分关系的领域分词集合包括：

利用位置模板确定所述候选语句中的整体领域分词与部分领域分词，所述整体领域分词与部分领域分词的关系是上位概念与下位概念的关系；

提取具有整体与部分关系的领域分词；

将具有整体与部分关系的领域分词集合以列表的形式输出。

7.根据权利要求6所述的方法，其特征在于，提取具有整体与部分关系的领域分词包括：

对所述整体领域分词与部分领域分词进行修正处理，所述修正处理包括：去除数词、去除量词和/或去除尾词后缀；

提取所述修正处理后的整体领域分词与部分领域分词。

8.一种获取词语的装置，其特征在于，所述装置包括：

预处理单元，用于对获取的文本数据进行预处理，得到带有分词信息的独立语句；

筛选单元，用于在所述预处理单元得到的独立语句中，利用结构模板筛选出具有并列结构的候选语句；

确定单元，用于利用领域词典以及所述候选语句中的分词信息，确定所述筛选单元选择的候选语句中具有并列结构的领域分词，所述领域词典是记录有相同领域分词的词典；

输出单元，用于根据所述确定单元确定的领域分词的位置特征，输出具有整体与部分关系的领域分词集合。

9.根据权利要求8所述的装置，其特征在于，所述预处理单元包括：

分句模块，用于对所述文本数据进行分句处理，得到所述独立语句；

分词模块，用于对所述分句模块得到的独立语句进行分词处理，得到所述独立语句的分词信息；

标记模块，用于将所述分词模块得到的分词信息标记在所述独立语句中。

10.根据权利要求8或9所述的装置，其特征在于，所述筛选单元包括：

提取模块，用于利用特征符号提取具有并列结构的独立语句，其中，所述特征符号至少包含下述之一：顿号、逻辑关系符号；

筛选模块，用于在所述提取模块提取的并列结构的独立语句中，利用肯定模板筛选出具有整体与部分关系的候选语句，所述肯定模板用于判断所述独立语句中具有整体与部分关系的语句结构。