[发明专利]一种文本分词方法及装置有效
| 申请号： | 201910094380.2 | 申请日： | 2019-01-30 |
| 公开（公告）号： | CN109829162B | 公开（公告）日： | 2022-04-08 |
| 发明（设计）人： | 王李鹏 | 申请（专利权）人： | 新华三大数据技术有限公司 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F16/33;G06K9/62 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 王文红 |
| 地址： | 450000 河南省郑州市高新技*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供了一种文本分词方法及装置，其中，该方法包括：将待分词文本转换为字符序列；将字符序列中包含的满足预设长度的字符串与预先构建的词典中的标准词进行匹配，确定与标准词匹配的匹配字符串，为字符序列中匹配字符串的每个字符和除匹配字符串之外的每个字符分别分配对应的词典标签，得到词典标签序列；确定字符序列中每个字符对应的至少一种分词标签，得到多种分词标签序列；根据字符序列、词典标签序列以及预先训练的条件概率预测模型，确定字符序列被标记为每种分词标签序列的条件概率；将符合预设条件的条件概率对应的分词标签序列确定为目标分词标签序列，并基于目标分词标签序列对待分词文本进行分词处理。 | ||
| 搜索关键词： | 一种 文本 分词 方法 装置 | ||
【主权项】：
1.一种文本分词方法，其特征在于，包括：将待分词文本转换为字符序列；将所述字符序列中包含的满足预设长度的字符串与预先构建的词典中的标准词进行匹配，确定与所述标准词匹配的匹配字符串，为所述字符序列中所述匹配字符串的每个字符和除所述匹配字符串之外的每个字符分别分配对应的词典标签，得到词典标签序列；确定所述字符序列中每个字符对应的至少一种分词标签，得到多种分词标签序列；根据所述字符序列、所述词典标签序列以及预先训练的条件概率预测模型，确定所述字符序列被标记为每种分词标签序列的条件概率；将符合预设条件的条件概率对应的分词标签序列确定为目标分词标签序列，并基于所述目标分词标签序列对所述待分词文本进行分词处理。
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新华三大数据技术有限公司，未经新华三大数据技术有限公司许可，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/201910094380.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种多语种自动摘要的方法
- 下一篇：一种语音识别结果处理方法及相关装置
