基于序列模式的新词发现方法

发明专利有效专利

申请号：
CN201010503929.8
IPC分类号：G06F17/22
申请日期：
2010-09-30
申请人：
北京新媒传信科技有限公司

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	基于序列模式的新词发现方法
申请号	CN201010503929.8	申请日期	2010-09-30
法律状态	授权	申报国家	中国
公开/公告日	2011-02-16	公开/公告号	CN101976233A
优先权	暂无	优先权号	暂无
主分类号	G06F17/22 ? 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〕 G06F17/21 文本处理（G06F 17/27、G06F 17/28优先）〔6〕 G06F17/22 利用代码进行操作或寄存的，例如在文本字符的序列中的〔6〕	IPC分类号	G;0;6;F;1;7;/;2;2查看分类表>
申请人	北京新媒传信科技有限公司	申请人地址	北京市海淀区万泉庄路28号万柳新贵大厦A座5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	北京新媒传信科技有限公司	当前权利人	北京新媒传信科技有限公司
发明人	牟小峰
代理机构	北京路浩知识产权代理有限公司	代理人	王莹

摘要

本发明公开了一种基于序列模式的新词发现方法，该方法包括：步骤A、基于序列模式抽取候选字符串；步骤B、估计候选字符串的成词概率；步骤C、将成词概率大于第一预设阈值的候选字符串作为新词输出。该方法根据已有的序列模式发现算法挖掘得到候选字符串，通过对字符串上下文和内部结构来估计字符串的成词概率，并引入N元语法和分词算法来进行候选字符串的过滤。该方法的优点在于：1)新词发现的计算复杂度大大降低，大大提高了新词发现的速度。2)支持任意长度的新词发现。3)准确率明显超出了已有的新词发现方法，通过采用全新的字符串成词概率估计和垃圾串过滤策略，本方法的新词发现准确率大大提高。

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