[发明专利]用于对未知词进行语义分类的系统和方法

摘要

本发明提出了用于对未知词进行语义分类的系统和方法。根据第一方法，字典中针对每个词根的相似词集合根据不同的语义类被分成多个群组，并将包含相似词最多的群组的语义类记录下来，用于未知词的分类。根据第二方法，字典中的每个语义类所包含的各个单字符对被考查。如果由某一字符对扩展得到的单词是相似词(即语义类相同)，则可以更加确信地将该未知词分类到同样的语义类。根据第三方法，所输入的未知词的相似词被考查。如果其相似词的不同部分与完整相似词具有相同的语义类，则可以更加确信地将该未知词也分类到同样的语义类。根据本发明的语义分类方法和系统能够适用于包含任何字符数目的单词，因此可以实现更大的覆盖率和更高的分类精确度。

主权项

一种用于对未知词进行语义分类的方法，包括：针对字典中的每个词根A，收集包含该词根A的相似词集合{AD1，AD2，...ADn}或{D1A，D2A，...DnA}，其中所述词根A包含一个或多个字符，Di(i＝1，2，...，n)包含一个或多个字符并且满足C(D1)＝C(D2)＝...＝C(Dn)＝c，其中C()表示语义类，c指示一特定语义类，n表示集合中相似词的数目，n≥2；按照不同的语义类，对所收集的每个相似词集合{AD1，AD2，...ADn}或{D1A，D2A，...DnA}中的相似词进行分组，以使得每个群组中的相似词具有相同的语义类；记录所含相似词数目最多的群组的语义类cmax；输入一未知词w＝XY，其中X和Y各自包含一个或多个字符；从所收集的各个相似词集合中选择其词根A满足A＝X或A＝Y的相似词集合；以及对于所选的相似词集合，若满足A＝X且C(Y)＝c或者A＝Y且C(X)＝c，则将该未知词w分类到针对该词根A所记录的语义类cmax。