[发明专利]一种领域专有词的挖掘方法

权利要求书

1.一种领域专有词的挖掘方法，其特征是：它由训练模型和应用模型两个阶段组成,， 其中训练阶段包括：

训练步骤一：获取模型训练阶段的依赖资源：获取已做好标记（各句子中的字符有确定 的是否被标注为专有词的标准答案）的NS个句子的集合S={S(i)}为训练语料，各句子记为S (i)，其中1≤i≤NS，要求NS≥10000；领域主题词典Dz；

训练步骤二：对训练语料S的所有字符进行特征化表示，得到每个字符的抽取后的特征 表示结果，记s(i,j_i)为句子S(i)的第j_i个字，其中1≤j_i≤句子S(i)的总字符数，则s(i, j_i)对应的特征化结果为：

；

训练步骤三：在一个指定的可加入自定义词典的分词器中，加入对应的领域词典Dz中 的所有词，把这个加入分词器记为Seg，对训练语料S的各个句子用Seg做分词处理，标出各 个字符被分词处理后的结果,并对分词结果进行数字化表示，对应得到各句子S(i)的每个 序位上的字符s(i,j_i)的分词类别表示结果q(i,j_i)；

训练步骤四：对训练语料S的各个句子用一个指定的词性标注器做词性处理,此标注器 记为Pes，标出各个字符被标注器处理后的结果，对应即得到各句子S(i)的每个序位上的字 符s(i,j_i)的词性标注结果,记为p(i,j_i)；

训练步骤五：对训练语料S的各个句子的字符,根据是否是一个专有词的判断标记,进 行数字化表示，对应得到各句子S(i)的每个序位上的字符s(i,j_i)的专有词标记表示结果g (i,j_i)；

训练步骤六：基于条件随机场模型，将训练语料中所有字符的表达结果{F(s(i,j_i)),q (i,j_i),p(i,j_i)}作为高级训练特征，对应的类别表示结果g(i,j_i)作为类别判定数据，进 行训练，得到训练后的专有词挖掘模型M。