[发明专利]一种采用上下文特征匹配的中文机构名简称识别系统

摘要

本发明公开了一种采用上下文特征匹配的中文机构名简称识别系统，该系统首先训练得到干扰词上下文特征与机构名上下文特征的相交特征集以及机构名独有特征集；然后利用这些特征对机构名简称进行识别；最后通过建立干扰词表与扩展操作，对机构名简称进行筛选。本发明的有益效果在于识别简称时不依赖机构名全称，也不依赖机构名简称的组成形式，只利用机构名的上下文特征就可以对机构名简称进行识别。

主权项

一种采用上下文特征匹配的中文机构名简称识别系统，其特征在于该系统包括训练模块及识别模块，其中：所述训练模块：以某一新闻语料作为训练集,从训练集训练得到机构名的上下文特征即相交特征集与机构名独有特征集以及干扰词表；所述识别模块：以与训练集不同的新闻语料作为测试集，在测试集中采用机构名上下文特征匹配算法对机构名简称识别；首先，在错误率的取值范围下，使用相交特征集与机构名独有特征集中的特征与句子进行匹配，识别候选机构名简称；然后，使用final‑words去除掉候选机构名简称中的干扰词，得到较准确的机构名简称；最后，利用扩展操作，召回文中部分未被识别出的简称。