发明名称 |
汉语缩略语处理方法和装置 |
摘要 |
本发明公开了汉语缩略语处理方法和装置,属于文本信息处理领域。该方法包括:对用户查询日志中的所有查询词进行预处理;将预处理后的查询日志中指向同一网站同一目录的查询词聚集为一组,得到多个组;对每一个组中的查询词,执行:根据字对齐规则生成该组内的源短语与缩略语匹配的多个候选对;对于每一个候选对,如果其中的源短语具有地名,且其中的缩略语中没有语素与所述地名相对应,则过滤掉所述源短语中的地名;根据预设规则对该组内过滤后的结果进行筛选,得到该组内源短语与缩略语对的集合。该装置包括预处理模块、候选对生成模块、过滤模块和筛选模块。本发明利用用户查询日志挖掘汉语缩略语,提高了缩略语、源短语对的时效性和准确度。 |
申请公布号 |
CN101599075A |
申请公布日期 |
2009.12.09 |
申请号 |
CN200910088377.6 |
申请日期 |
2009.07.02 |
申请人 |
清华大学;北京搜狗科技发展有限公司 |
发明人 |
谢丽星;孙茂松;佟子健;王灿辉 |
分类号 |
G06F17/30(2006.01)I;G06F17/27(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
北京三高永信知识产权代理有限责任公司 |
代理人 |
何文彬 |
主权项 |
1.一种汉语缩略语处理方法,其特征在于,包括:对用户查询日志中的所有查询词进行预处理;将预处理后的查询日志中指向同一网站同一目录的查询词聚集为一组,得到多个组;对每一个组中的查询词,执行:根据字对齐规则生成该组内的源短语与缩略语匹配的多个候选对;对于每一个候选对,如果其中的源短语具有地名,且其中的缩略语中没有语素与所述地名相对应,则过滤掉所述源短语中的地名;根据预设规则对该组内过滤后的结果进行筛选,得到该组内源短语与缩略语对的集合。 |
地址 |
100084北京市海淀区清华园1号 |