发明名称 |
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。 |
申请公布号 |
CN102411568A |
申请公布日期 |
2012.04.11 |
申请号 |
CN201010287533.4 |
申请日期 |
2010.09.20 |
申请人 |
苏州同程旅游网络科技有限公司 |
发明人 |
吴志祥;张海龙;马和平;王专;吴剑;郭凤林;靳彩娟 |
分类号 |
G06F17/30(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
南京苏科专利代理有限责任公司 32102 |
代理人 |
陈忠辉 |
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。 |
地址 |
215123 江苏省苏州市工业园区星湖街328号创意产业园5栋 |