基于旅游业特征词库的中文分词方法

摘要

本发明涉及一种基于旅游业特征词库的中文分词方法，特点是：建立初始旅游业特征词库，分析出一些旅游业特征词语，将两处收集到的旅游业特征词语进行合并，形成初始旅游业特征词库。通过索引服务器定期建立索引库，对旅游业特征词库中的特征词语进行分词，通过一次哈希运算直接定位汉字的首字位置，配合以词为单位的有序表，建立旅游业特征词库正文。通过首字哈希索引表和旅游业特征词库配合，实现指定词在旅游业特征词库正文中的快速查找。由此，对于新词能很好的识别，同时解决歧义识别难题。并且，解决用户精准查找信息的需求，使用垂直搜索引擎的人，对于需求的信息非常明确。为本领域的技术进步拓展了空间，实施效果好。

主权项

基于旅游业特征词库的中文分词方法，其特征在于：建立初始旅游业特征词库，包括对行业内已经存在的旅游业特征词语的收集整理，再根据以前网站的系统运行日志，分析出一些旅游业特征词语，将两处收集到的旅游业特征词语进行合并，形成初始旅游业特征词库；通过索引服务器定期建立索引库，为用户提供查询工作，将用户查询日志传给日志服务器；对旅游业特征词库中的特征词语进行分词，包括词语首字哈希索引，既将旅游业特征词库中的词语首字取出后去除重复，通过一次哈希运算直接定位汉字的首字位置，配合以词为单位的有序表，建立旅游业特征词库正文；通过首字哈希索引表和旅游业特征词库配合，实现指定词在旅游业特征词库正文中的快速查找。