[发明专利]一种字符串分词方法、装置、终端设备及存储介质

权利要求书

1.一种字符串分词方法，其特征在于，所述字符串分词方法包括：

获取待处理的汉字字符串；

对所述汉字字符串进行单个字切分，得到n个单个字a_i，其中，i∈[1,n]，n为所述汉字字符串中包含的汉字字符的个数；

若i小于n，则将a_i与相邻单个字a_i+1进行组合，得到临时词a_ia_i+1；

若所述临时词a_ia_i+1在预设的常用词词库中存在，则将所述临时词a_ia_i+1与相邻单个字a_i+2进行组合，得到临时词a_ia_i+1a_i+2，并使用所述临时词a_ia_i+1a_i+2继续在所述常用词词库中进行查找，直到临时词a_ia_i+1a_i+2...a_k在所述常用词词库中不存在为止，其中，k∈[i+1,n]；

若所述临时词a_ia_i+1a_i+2...a_k在所述常用词词库中不存在，则将a_ia_i+1a_i+2...a_k-1识别为有效词，并从单个字a_k开始，若k等于n，则将a_k识别为有效词，若k小于n，则将a_k作为a_i，继续执行所述若i小于n，则将a_i与相邻单个字a_i+1进行组合，得到临时词a_ia_i+1的步骤；

若所述临时词a_ia_i+1a_i+2...a_k在所述常用词词库中存在并且k＝n，则将a_ia_i+1a_i+2...a_k识别为有效词；

将识别出的有效词确定为所述汉字字符串的分词结果。

2.如权利要求1所述的字符串分词方法，其特征在于，所述获取待处理的汉字字符串包括：

获取包含汉字字符和非汉字字符的待处理字符串；

识别所述待处理字符串中的m个非汉字字符串，其中，所述非汉字字符串仅包含连续相邻的所述非汉字字符，m为零或者正整数；

以所述m个非汉字字符串为切分点，将所述待处理字符串分割为m+1个子字符串，将每个所述子字符串确定为所述待处理的汉字字符串，其中，所述子字符串仅包含连续相邻的所述汉字字符。

3.如权利要求2所述的字符串分词方法，其特征在于，所述待处理字符串为保单信息中的地址字符串，在对两个所述地址字符串分别执行完成所述将识别出的有效词确定为所述汉字字符串的分词结果之后，所述字符串分词方法还包括：

针对每个所述地址字符串，根据该地址字符串中每个所述汉字字符串的分词结果，确定该地址字符串的特征及其权重值；

根据两个所述地址字符串的特征及其权重值，比较两个所述地址字符串的含义是否相同；

若两个所述地址字符串的含义相同，则将两个所述地址字符串所在的保单信息对应的保单进行关联。

4.如权利要求1至3任一项所述的字符串分词方法，其特征在于，所述获取待处理的汉字字符串之前，所述字符串分词方法还包括：

从互联网搜集汉语常用词语；

获取保险行业的保险专业名词；

使用所述汉语常用词语和所述保险专业名词，建立所述常用词词库。

5.如权利要求4所述的字符串分词方法，其特征在于，所述使用所述汉语常用词语和所述保险专业名词，建立所述常用词词库之后，所述字符串分词方法还包括：

每隔预定的时间间隔对所述常用词词库进行更新。