[发明专利]一种短文本的新词发现方法和系统有效
| 申请号： | 200710121877.6 | 申请日： | 2007-09-17 |
| 公开（公告）号： | CN101118556A | 公开（公告）日： | 2008-02-06 |
| 发明（设计）人： | 龚才春;黄玉兰 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 | 代理人： | 梁挥;陈振 |
| 地址： | 100080北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种从短文本中发现新词的方法，包括以下步骤：获取短文本中所有多个连续字符或词语，构成候选新词集合；确定符合预先设定规则的候选新词；将候选新词作为查询关键词，在搜索引擎中进行精确搜索和模糊搜索，获取返回结果的数量和前多条精确搜索结果记录；利用搜索引擎精确搜索返回结果数、模糊搜索结果数、精确搜索前多条结果记录等判断候选新词是否为新词。本发明所述方法能够发现短文本中出现的新词，即便该新词在短文本中就只出现一次，同时新词发现的准确率也很高。 | ||
| 搜索关键词： | 一种 文本 新词 发现 方法 系统 | ||
【主权项】：
1.一种短文本的新词发现方法，其特征在于，包括以下步骤：步骤A，获取短文本的所有连续的多个字符或词语的组合，构成候选新词集合；步骤B，利用设置的系统词典库，过滤并确定符合预先设定规则的候选新词；步骤C，将候选新词作为查询关键词，在搜索引擎中搜索，并由此统计返回的搜索结果以及搜索结果记录；步骤D，根据搜索模块得到的精确搜索结果数和模糊搜索结果数，以及精确搜索结果记录，判断候选新词是否为最终新词。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200710121877.6/，转载请声明来源钻瓜专利网。
