[发明专利]一种对象名称识别方法及装置

说明书

本发明实施例提供了一种对象名称识别方法及装置，涉及数据处理技术领域，针对待处理文本中的每一字符串，计算表示该字符串与相邻字符串之间相关性的第一相关信息，并获得表示该字符串中字符之间相关性的第二相关信息，根据第一相关信息与第二相关信息确定该字符串是否为第一备选字符串，备选字符串为：能够形成词汇、且所包含的任意局部连续字符不能形成词汇的字符串；根据所获得的频次，从第一备选字符串中识别出作为对象名称的字符串。应用本发明实施例提供的方案识别待处理文本中的对象名称，可以提高识别出的对象名称的准确度。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种对象名称识别方法及装置。

背景技术

小说、剧本、新闻等文本中可能会涉及多个人物、动物、地点等对象，为了使得用户能够快速的了解文本内容，往往需要建立文本中所涉及对象之间的对象关系。因此，获得文本中的对象名称是成功建立对象关系的前提。

当前，获得文本中的对象名称时，一般以新闻或百科等语料库中的对象名称作为参照，获得文本中与上述语料库中的对象名称相似度较高的字符串，在根据对象名称在文本中出现的频次较高的特点，将获得的字符串中频次较高的字符串识别为对象名称。

然而新闻、百科等语料库中的对象名称的表现形式较为规范，例如，人物名称多为规范化的姓加名的表现形式，另外，新闻、百科等语料库中的对象名称多为日常生活中较为常见的名称。但小说、剧本等文本中对象名称的表现形式较为灵活，例如，人物名称除了规范化的姓加名的表现形式之外，还包括昵称等其他表现形式，且小说、剧本等文本中会出现日常生活中不常见的名称，如姓氏不常见的名称、字符数量较多的名称、包含生僻字的名称等。因此，使用上述方法识别小说、剧本等文本中对象的对象名称，识别出的对象名称的准确度较低。

发明内容

本发明实施例的目的在于提供一种对象名称识别方法及装置，以提高识别出的文本中的对象名称结果的准确度。具体技术方案如下：

第一方面，本发明实施例提供了一种对象名称识别方法，所述方法包括：

针对待处理文本中的每一字符串，计算表示该字符串与相邻字符串之间相关性的第一相关信息，并获得表示该字符串中字符之间相关性的第二相关信息，根据所述第一相关信息和第二相关信息确定该字符串是否为第一备选字符串，所述第一备选字符串为：能够形成词汇、且所包含的任意局部连续字符不能形成词汇的字符串，所述局部连续字符为：所述第一备选字符串内、长度小于所述第一备选字符串的连续字符；

获得第一备选字符串在所述待处理文本中出现的频次；

根据所获得的频次，从第一备选字符串中识别出作为对象名称的字符串。

本发明的一个实施例中，在所述获得第一备选字符串在所述待处理文本中出现的频次之前，还包括：

确定待处理文本中与名称字符串的相似度大于预设相似度的第二备选字符串，其中，所述名称字符串为：已知语料库中标记为对象名称的字符串；

所述获得第一备选字符串在所述待处理文本中出现的频次，包括：

获得第一备选字符串以及第二备选字符串分别在所述待处理文本中出现的频次；

所述根据所获得的频次，从第一备选字符串中识别出作为对象名称的字符串，包括：

根据所获得的第一备选字符串的频次与第二备选字符串的频次，从第一备选字符串与第二备选字符串中识别出作为对象名称的字符串。

本发明的一个实施例中，在所述对象名称为待识别文本中的角色名称的情况下，在所述根据所获得的频次，从第一备选字符串中识别出作为对象名称的字符串之前，还包括：