[發(fā)明專利]漢語(yǔ)地名的識(shí)別方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200910236886.9
• 申請(qǐng)日: 2009-11-04
• 公開(kāi)（公告）號(hào): CN101876975A
• 公開(kāi)（公告）日: 2010-11-03
• 發(fā)明（設(shè)計(jì)）人: 張全;袁毅;韋向峰;繆建明;李諾
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院聲學(xué)研究所
• 主分類號(hào): G06F17/28
• 分類號(hào): G06F17/28;G06F17/30
• 代理公司: 北京法思騰知識(shí)產(chǎn)權(quán)代理有限公司 11318
• 代理人: 楊小蓉

1.一種漢語(yǔ)地名的識(shí)別方法，包括：

步驟1)、讀入待處理的漢語(yǔ)文本以及候選地名識(shí)別所需的計(jì)算參數(shù)；其中，所述的候選地名識(shí)別所需的計(jì)算參數(shù)包括：地名尾字字表、漢字出現(xiàn)概率、未出現(xiàn)的兩字組出現(xiàn)頻次期望值、地名中兩字組的條件概率值、地名的首字和尾字條件概率、歸一化因子以及門(mén)限值；

步驟2)、對(duì)待處理的漢語(yǔ)文本中的各個(gè)語(yǔ)句，根據(jù)地名尾字字表找出語(yǔ)句中的地名尾字，然后以地名尾字為基礎(chǔ)，計(jì)算地名尾字前若干個(gè)字符所組成的字符串為候選地名的分?jǐn)?shù)值，根據(jù)該分?jǐn)?shù)值與所述門(mén)限值間的比較結(jié)果，確定所述字符串是否為所在語(yǔ)句中的候選地名；對(duì)包含候選地名的語(yǔ)句做分詞處理，標(biāo)注出分詞后所得到的詞語(yǔ)的概念屬性；

步驟3)、讀入對(duì)候選地名做細(xì)化計(jì)算所需要的參數(shù)，所述參數(shù)包括用于表示詞語(yǔ)的各個(gè)概念類別在確認(rèn)候選地名時(shí)的權(quán)重因子λ_i以及用于表示認(rèn)可候選地名為地名時(shí)的置信門(mén)限值P_T；

步驟4)、對(duì)待處理的漢語(yǔ)文本中的各個(gè)語(yǔ)句，根據(jù)步驟2)的結(jié)果得到語(yǔ)句中的候選地名以及詞語(yǔ)的概念屬性，然后利用所述的參數(shù)λ_i計(jì)算所述候選地名的細(xì)化處理分?jǐn)?shù)值，將所得到的細(xì)化處理分?jǐn)?shù)值與所述門(mén)限值P_T加以比較，根據(jù)比較結(jié)果確定候選地名是否為真正的地名。

2.根據(jù)權(quán)利要求1所述的漢語(yǔ)地名的識(shí)別方法，其特征在于，在所述的步驟2)之后還包括步驟2100)：

利用語(yǔ)言規(guī)則對(duì)已經(jīng)得到的候選地名加以過(guò)濾。

3.根據(jù)權(quán)利要求1或2所述的漢語(yǔ)地名的識(shí)別方法，其特征在于，所述的步驟2)包括：

步驟201)、從待處理的漢語(yǔ)文本中讀取一尚未處理的語(yǔ)句；

步驟202)、根據(jù)所述的地名尾字字表在所述的待處理的語(yǔ)句中檢測(cè)是否有地名尾字出現(xiàn)；

步驟203)、如果出現(xiàn)了地名尾字，就執(zhí)行后續(xù)步驟，否則就重新執(zhí)行前面的步驟201)；

步驟204)、由所述的尾字條件概率得到已發(fā)現(xiàn)的地名尾字C_F的條件概率值P(尾字|C_F)，將該值除以所述的歸一化因子得到當(dāng)前候選地名字串的歸一化分?jǐn)?shù)值G*_h，其中，G*_h＝P(C₂|C₁)…P(C_h|C_h-1)P(尾字|C_h)/λ^h，h表示地名的長(zhǎng)度，P(C_h|C_h-1)表示在C_h-1出現(xiàn)的條件下C_h出現(xiàn)的概率，P(尾字|C_h)表示C_h出現(xiàn)地名尾字的概率，λ表示歸一化因子；

步驟205)、計(jì)算以當(dāng)前候選地名字串當(dāng)前的首字為地名首字的歸一化候選地名分?jǐn)?shù)G_h，其中，G_h＝P(C₁|首字)P(C₂|C₁)…P(C_h|C_h-1)P(尾字|C_h)/λ^h+1，P(C₁|首字)表示C₁作為地名首字的概率；

步驟206)、如果所得到的分?jǐn)?shù)值G_h大于或等于門(mén)限值G_T，則將候選地名字串記錄為候選地名后執(zhí)行下一步，否則，直接執(zhí)行下一步；

步驟207)、判斷當(dāng)前處理的字串前是否有漢字，如果是，執(zhí)行下一步，否則，執(zhí)行步驟209)；

步驟208)、計(jì)算增加這個(gè)字后的歸一化候選地名字串的分?jǐn)?shù)值G*_h+1，判斷該分?jǐn)?shù)值是否大于原來(lái)的歸一化候選地名字串的分?jǐn)?shù)值G*_h，若大于則在當(dāng)前候選地名字串中增加一字作為當(dāng)前值，然后刷新當(dāng)前候選地名字串的分?jǐn)?shù)值，否則執(zhí)行下一步；

步驟209)、判斷句子中是否有候選地名，若存在，對(duì)句子做分詞處理，標(biāo)注詞語(yǔ)對(duì)應(yīng)的概念屬性后執(zhí)行下一步，否則，直接執(zhí)行下一步；

步驟210)、對(duì)待處理的漢語(yǔ)文本中的未處理語(yǔ)句重新執(zhí)行上述步驟201)-步驟209)，直到完成對(duì)文本中所有語(yǔ)句的處理。