[发明专利]一种基于大数据和中文特征的中文文本分词方法在审
| 申请号： | 201910524347.9 | 申请日： | 2019-06-18 |
| 公开（公告）号： | CN110287488A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 陈刚 | 申请（专利权）人： | 上海晏鼠计算机技术股份有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F16/35 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 200082 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于大数据和中文特征的中文文本分词方法，第一步：首先建立文本库；第二步：然后对文本库中的文章进行分词；第三步：再对切分词组进行拼接；第四步：拼接得到的词组进行词频统计；第五步：之后对不同候选词库中的词组进行相似度计算；第六步：最后对候选词库进行整合优化形成行业词典。算法运行稳定、效果良好，技术成熟；全切分分词方法获得输入句子的所有可能的切分形式，从根本上避免可能切分形式的遗漏，实现完备的歧义检测；结合上下文识别新词，自动消除和切分歧义，分词准确度更高；将网络电子文本作为自动分词资源，利用相关手段在电子资源库中直接获取需要的知识，应用范围广泛，不受待处理文本的领域限制。 | ||
| 搜索关键词： | 分词 词组 中文文本 大数据 文本库 词库 拼接 文本 上下文识别 相似度计算 词频统计 电子资源 歧义检测 输入句子 网络电子 运行稳定 直接获取 自动消除 准确度 歧义 中文 整合 算法 遗漏 成熟 优化 应用 | ||
【主权项】：
1.一种基于大数据和中文特征的中文文本分词方法，其特征在于，第一步：首先建立文本库；第二步：然后对文本库中的文章进行分词；第三步：再对切分词组进行拼接；第四步：拼接得到的词组进行词频统计；第五步：之后对不同候选词库中的词组进行相似度计算；第六步：最后对候选词库进行整合优化形成行业词典。
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上海晏鼠计算机技术股份有限公司，未经上海晏鼠计算机技术股份有限公司许可，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/201910524347.9/，转载请声明来源钻瓜专利网。
