基于海量自然文本的自动词组提取技术

摘要

本发明涉及一种用于汉字输入法的自动词组提取技术。当输入一组输入码ABCDEF之后，该技术先从预先储备的海量自然文本中检索到符合输入码A的汉字，再查表得到其后一字对应的输入码X，如果X＝B，则继续将后续汉字的输入码分别与CDEF比较，直至完成。最终得到的一串输入码分别与ABCDEF匹配的汉字序列，即为自动提取出的词组。其意义在于，对于一个既有的海量自然文本，其中的任意连续汉字序列均可成为有效的词组。

主权项

1.一种自动词组提取技术，其特征在于，在汉字输入的过程中，根据用户的输入码，从预先准备的自然文本中自动提取出所期望的词组，这些词组都不需要预先预先特别定义。