发明名称 | 用于中文文本处理系统的中文分词方法 | ||
摘要 | 一种用于中文文本处理系统的中文分词方法,包括取得输入汉字串的前两个汉字;在词库中检索出与前两个汉字的起始汉字相关的索引节点;取得该索引节点中的指针,该指针指向该词库中相应的词汇集合;在词汇集合中进行近似二分查找,如果找到该两个汉字词汇,则保存该词汇的索引,否则,保存与该两个汉字最接近的词汇的索引;对于输入汉字串,在该词汇集合中执行邻近匹配,以获得具有最大长度的匹配词汇,并把该匹配的词汇作为当前分词的结果。对于上述分词结果,本发明还进行切分歧义消解、识别中文人名、归并数词、量词和叠词、识别翻译人名、归并单字以及归并前后缀和识别地名。本发明在分词准确率和响应时间方面得到了重大改进。 | ||
申请公布号 | CN1256688C | 申请公布日期 | 2006.05.17 |
申请号 | CN02127005.8 | 申请日期 | 2002.07.25 |
申请人 | 摩托罗拉公司 | 发明人 | 陈桂林;陈芳 |
分类号 | G06F17/21(2006.01) | 主分类号 | G06F17/21(2006.01) |
代理机构 | 北京纪凯知识产权代理有限公司 | 代理人 | 沙捷 |
主权项 | 1.一种用于中文文本处理系统的中文分词方法,该中文文本处理系统包括其数据结构支持哈希运算的词库,其特征在于所述方法包括:取得输入汉字串的前两个汉字;在所述词库中检索出与所述前两个汉字的起始汉字相关的索引节点;取得所述索引节点中的指针,该指针指向所述词库中相应的词汇集合;在所述词汇集合中进行近似二分查找,如果找到所述两个汉字词汇,则保存该词汇的索引,否则,保存与所述两个汉字最接近的词汇的索引;对于所述输入汉字串,在所述词汇集合中执行邻近匹配,以获得具有最大长度的匹配词汇,并把该匹配的词汇作为当前分词的结果。 | ||
地址 | 美国伊利诺斯州 |