发明名称 |
一种新词发现方法和系统 |
摘要 |
本发明提供一种新词发现方法和系统,基于bigram语言模型分别提取了前背景语料的bigram元素,并分别得到前背景语料的统计信息,利用统计信息及第一预设规则过滤bigram元素,再利用n-gram语言模型及第二预设规则对剩余的bigram元素进行前景语料中的扩展,n-gram元素的更新不需要对背景语料重新计算,避免对背景语料里已有新词重新发现,利用第二预设规则判别新词的边界,去除垃圾bigram元素和n-gram元素,简单易用,减少了人工校对的负担。 |
申请公布号 |
CN102231153A |
申请公布日期 |
2011.11.02 |
申请号 |
CN201110138042.8 |
申请日期 |
2011.05.25 |
申请人 |
盛乐信息技术(上海)有限公司 |
发明人 |
吴悦 |
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 |
上海思微知识产权代理事务所(普通合伙) 31237 |
代理人 |
菅秀君 |
主权项 |
一种新词发现方法,其特征在于,包括:根据bigram语言模型抽取已知背景语料的bigram元素,并统计所述已知背景语料中所有bigram元素的词频和与种数;根据bigram语言模型抽取前景语料的bigram元素,并统计所述前景语料中所有bigram元素的词频和与种数;根据上述所有统计确定所述前景语料中符合第一预设规则的bigram元素;根据n‑gram语言模型对所述前景语料中剩余的bigram元素进行在所述前景语料中的向前和向后扩展,得到所述前景语料的n‑gram元素,确定所述前景语料中符合第二预设规则的n‑gram元素,得到新词列表。 |
地址 |
201203 上海市浦东新区张江高科技园区郭守敬路356号3幢102室 |