一种新词自动提取方法

发明专利无效专利

申请号：
CN201410188050.7
IPC分类号：G06F17/27;G06F17/30
申请日期：
2014-05-06
申请人：
杭州东信北邮信息技术有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种新词自动提取方法
申请号	CN201410188050.7	申请日期	2014-05-06
法律状态	权利终止	申报国家	中国
公开/公告日	2014-07-30	公开/公告号	CN103955450A
优先权	暂无	优先权号	暂无
主分类号	G06F17/27 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/20 处理自然语言数据的（语言分析或综合入G10L）〔6〕 G06F17/27 自动分析的，例如语法分析、正射校正的〔6〕	IPC分类号	G;0;6;F;1;7;/;2;7;;;G;0;6;F;1;7;/;3;0查看分类表>
申请人	杭州东信北邮信息技术有限公司	申请人地址	浙江省杭州市西湖区文三路398号4层变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	杭州东信北邮信息技术有限公司	当前权利人	杭州东信北邮信息技术有限公司
发明人	廖建新;赵海秀;李亚松;康潮明;赵贝尔;崔晓茹
代理机构	暂无	代理人	暂无

摘要

一种新词自动提取方法，包括：对文本句子进行切词处理，并将其中字数长度不大于S+1的候选词提取出来，然后将提取出的所有互不相同的候选词保存在候选词库中；计算候选词库中每个候选词的支持度，并将所有支持度大于支持度阈值的候选词构成一个频繁词组；为频繁词组中的每个候选词构建一个子词组，并将候选词和频繁词组中的所有其他候选词相比较，如果候选词中包含有其他候选词时，则将其他候选词保存在该候选词的子词组中，然后根据候选词、以及子词组中每个子词在知识库中出现的频数，计算候选词的置信度，当候选词的置信度大于置信度阈值时，则候选词是提取的新词。本发明属于计算机自然语言处理领域，能从海量文本中准确且快速的提取新词。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供