[发明专利]新词搜索方法及系统在审
| 申请号： | 201310551747.1 | 申请日： | 2013-11-07 |
| 公开（公告）号： | CN103593427A | 公开（公告）日： | 2014-02-19 |
| 发明（设计）人： | 霍帅;张敏;刘奕群;马少平;金奕江 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张大威 |
| 地址： | 100084 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： | 本发明提出一种新词搜索方法及系统，其中方法包括以下步骤：提供多个语料，并对多个语料分别进行分词以得到多个单词；获取多个单词中第一单词在对应的语料中与第一单词相邻的单词集合；根据单词集合中不同单词的数量得到停用词集合；分别将单词集合中的每个单词与第一单词进行组合以得到组合后的多个候选单词；分别判断组合为每个候选单词中的两个单词组合之后的上下文熵增量；如果上下文熵增量大于第一预设值且对应的候选单词不包含停用词集合中的停用词，则将对应的候选单词作为新词。根据本发明实施例的方法，通过计算上下文熵以获得候选新词，并根据停用词集合对候选新词进行过滤，因此提高新词搜索的准确性，简化搜索过程提高搜索效率。 | ||
| 搜索关键词： | 新词 搜索 方法 系统 | ||
【主权项】：
一种新词搜索方法，其特征在于，包括以下步骤：A：提供多个语料，并对所述多个语料分别进行分词以得到多个单词；B：获取多个单词中第一单词在对应的语料中与所述第一单词相邻的单词集合；C：根据所述单词集合中不同单词的数量得到停用词集合；D：分别将所述单词集合中的每个单词与所述第一单词进行组合以得到组合后的多个候选单词；E：分别判断组合为每个候选单词中的两个单词组合之后的上下文熵增量；以及F：如果所述上下文熵增量大于第一预设值且对应的候选单词不包含所述停用词集合中的停用词，则将所述对应的候选单词作为搜索到的新词。
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清华大学，未经清华大学许可，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/201310551747.1/，转载请声明来源钻瓜专利网。
- 上一篇：船舶和海洋工程结构有限元模型检查方法
- 下一篇：烧结机搅拌式湿式排烟脱硫装置
