[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，上述方法包括：确定文本中的对白发出片段，其中，所述对白发出片段为：与对白内容片段相邻、且位于对白内容片段之前预设长度的文本片段；从各个对白发出片段中，选择第一频次与第二频次之间的差异在预设差异范围内的文本片段，作为候选文本片段，其中，所述第一频次为：每一对白发出片段在所述文本的所有对白发出片段中出现的频次，所述第二频次为：每一对白发出片段在所述文本的所有非对白发出片段中出现的频次；在各个候选文本段中识别对象名称。应用本实施例提供的方案进行对象名称识别时，能够提高对象名称识别的准确度。

技术领域

本发明涉及文本分析技术领域，特别是涉及一种对象名称识别方法及装置。

背景技术

小说、剧本等文本中可能会涉及多个对象，上述对象可以为：人、动物等。为了使得用户快速的了解文本内容，往往需要确定文本中各个对象之间的关系。获得文本中的对象名称是确定对象之间关系的前提。

由于在文本中对白发出片段出现对象名称的概率较高，因此，现有技术中，通常采用开源的分词工具和词性分析技术对文本中的对白发出片段进行对象名称识别，具体的，采用开源的分词工具将文本中的对白发出片段进行分词处理，对分词后的各个词语的词性进行识别，将识别为名词的词语确定为对象名称。

然而，现有对象名称识别由于是依赖开源的分词工具和词性分析技术，当分词工具未准确地对文本中的各个对白发出片段进行分词处理时，对分词处理后的对白发出片段进行词性识别，易将非对象名称的词语确定为对象名称，例如：假设对白发出片段为“北京市长小明说”，采用分词工具得到的词语可能为：“长小明”，对分词处理后的对白发出片段进行词性识别时，易将上述词语识别为名词，从而可能将“长小明”确定为对象名称。因此，应用上述方式识别文本中的对象名称时准确率较低。

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，以提高对象名称识别的准确率。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：

确定文本中的对白发出片段，其中，所述对白发出片段为：与对白内容片段相邻、且位于对白内容片段之前预设长度的文本片段；

从各个对白发出片段中，选择第一频次与第二频次之间的差异在预设差异范围内的文本片段，作为候选文本片段，其中，所述第一频次为：每一对白发出片段在所述文本的所有对白发出片段中出现的频次，所述第二频次为：每一对白发出片段在所述文本的所有非对白发出片段中出现的频次；

在各个候选文本片段中识别对象名称。

本发明的一个实施例中，上述从各个对白发出片前文本段中，选择第一频次与第二频次之间的差异在预设差异范围内的文本片段，作为候选文本片段，包括：

将第一对白发出片段确定为第一候选文本片段，其中，所述第一对白发出片段为：长度最小的对白发出片段；

针对每一第二对白发出片段，从长度小于该第二对白发出片段的已有候选文本片段中，判断是否存在与该第二对白发出片段连续相同至少两个字符的已有第二候选文本片段；若不存在，将该第二对白发出片段确定为候选文本片段；若存在，当该第二对白发出片段的第一频次与第二频次之间的差异在预设差异范围内时，将该第二对白发出片段确定为第二候选文本片段，其中，所述第二对白发出片段为：对白发出片段中除第一对白发出片段之外的片段；

将所述第一候选文本片段、第二候选文本片段作为候选文本片段。

本发明的一个实施例中，上述在各个候选文本片段中识别对象名称，包括：

从各个候选文本片段中，选择包含用于描述对象信息的字符的候选文本片段；

在各个所选择的候选文本片段中识别对象名称。