[發(fā)明專利]使用比較語(yǔ)料庫(kù)的命名實(shí)體直譯無(wú)效
| 申請(qǐng)?zhí)枺?/td> | 200980142526.0 | 申請(qǐng)日： | 2009-10-20 |
| 公開(kāi)（公告）號(hào)： | CN102187335A | 公開(kāi)（公告）日： | 2011-09-14 |
| 發(fā)明（設(shè)計(jì)）人： | R·U·烏;S·克里西南;A·庫(kù)馬蘭 | 申請(qǐng)（專利權(quán)）人： | 微軟公司 |
| 主分類號(hào)： | G06F17/28 | 分類號(hào)： | G06F17/28;G06F17/21 |
| 代理公司： | 上海專利商標(biāo)事務(wù)所有限公司 31100 | 代理人： | 陳斌 |
| 地址： | 美國(guó)華*** | 國(guó)省代碼： | 美國(guó);US |
| 權(quán)利要求書： | 查看更多 | 說(shuō)明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 使用 比較 語(yǔ)料庫(kù) 命名 實(shí)體 直譯 | ||
1.一種挖掘多語(yǔ)言命名實(shí)體直譯的方法，包括：
審閱第一語(yǔ)言的文檔200；
審閱第二語(yǔ)言的附加文檔210；
確定所述附加文檔是否充分相似于所述文檔220；
如果所述附加文檔充分相似于所述文檔230；
選擇所述文檔中的命名實(shí)體230；
搜索充分相似的命名實(shí)體，包括將命名實(shí)體與所述附加文檔中的詞進(jìn)行比較240；
如果定位了對(duì)于命名實(shí)體的充分相似詞，則將命名實(shí)體和相似詞存儲(chǔ)為命名實(shí)體直譯250。
2.如權(quán)利要求1所述的方法，其特征在于，確定附加文檔是否充分相似于文檔還包括：計(jì)算跨語(yǔ)言相似度得分220。
3.如權(quán)利要求2所述的方法，其特征在于，使用Kullback-Leibler散度來(lái)計(jì)算所述跨語(yǔ)言相似度得分220。
4.如權(quán)利要求2所述的方法，其特征在于，為多個(gè)文檔和附加文檔對(duì)計(jì)算所述跨語(yǔ)言相似度得分220。
5.如權(quán)利要求4所述的方法，其特征在于，還包括：選擇帶有最高相似度得分的文檔對(duì)220。
6.如權(quán)利要求1所述的方法，其特征在于，搜索相似的命名實(shí)體包括：為詞和命名實(shí)體計(jì)算跨語(yǔ)言相似度得分220。
7.如權(quán)利要求1所述的方法，其特征在于，跨語(yǔ)言相似度得分度量了命名實(shí)體和詞之間的直譯等同性的程度220。
8.如權(quán)利要求7所述的方法，其特征在于，為多個(gè)命名實(shí)體對(duì)計(jì)算所述跨語(yǔ)言相似度得分，其中所述多個(gè)命名實(shí)體對(duì)包括命名實(shí)體以及附加文檔中的詞220。
9.如權(quán)利要求8所述的方法，其特征在于，所述附加文檔中的詞是從附加文檔的一組詞中順序地選擇的，其中該組不包括附加文檔中的介詞、動(dòng)詞或形容詞。
10.如權(quán)利要求9所述的方法，其特征在于，具有最大的跨語(yǔ)言得分的命名實(shí)體對(duì)被選擇為彼此的直譯220。
11.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，包括用于挖掘多語(yǔ)言命名實(shí)體直譯的計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令包括用于如下步驟的指令：
審閱第一語(yǔ)言的文檔200；
審閱第二語(yǔ)言的附加文檔210；
通過(guò)計(jì)算跨語(yǔ)言相似度得分來(lái)確定所述附加文檔是否充分相似于所述文檔220；
如果所述附加文檔充分相似于所述文檔230；
選擇所述文檔中的命名實(shí)體230；
搜索充分相似的命名實(shí)體，包括將命名實(shí)體與所述附加文檔中的詞進(jìn)行比較240；
如果定位了對(duì)于命名實(shí)體的充分相似詞，則將命名實(shí)體和相似詞存儲(chǔ)為命名實(shí)體直譯250。
12.如權(quán)利要求11所述的計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，所述跨語(yǔ)言相似度得分是使用Kullback-Leibler散度來(lái)計(jì)算的220。
13.如權(quán)利要求12所述的計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，為多個(gè)文檔和附加文檔對(duì)計(jì)算所述跨語(yǔ)言相似度得分，并選擇帶有最高相似度得分的文檔對(duì)220。
14.如權(quán)利要求11所述的計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，搜索相似的命名實(shí)體包括：為詞和命名實(shí)體計(jì)算跨語(yǔ)言相似度得分，其中所述跨語(yǔ)言相似度得分度量了命名實(shí)體和詞之間的直譯等同性的程度220。
15.如權(quán)利要求14所述的計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，為多個(gè)命名實(shí)體對(duì)計(jì)算所述跨語(yǔ)言相似度得分，其中所述多個(gè)命名實(shí)體對(duì)包括命名實(shí)體以及附加文檔中的詞220。
16.如權(quán)利要求15所述的計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，所述附加文檔中的詞是從附加文檔的一組詞中順序地選擇的，其中該組不包括附加文檔中的介詞、動(dòng)詞或形容詞220。
17.如權(quán)利要求16所述的計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，具有最大的跨語(yǔ)言得分的命名實(shí)體對(duì)被選擇為彼此的直譯220。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于微軟公司，未經(jīng)微軟公司許可，擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請(qǐng)聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/200980142526.0/1.html，轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06F 電數(shù)字?jǐn)?shù)據(jù)處理
G06F17-00 特別適用于特定功能的數(shù)字計(jì)算設(shè)備或數(shù)據(jù)處理設(shè)備或數(shù)據(jù)處理方法
G06F17-10 .復(fù)雜數(shù)學(xué)運(yùn)算的
G06F17-20 .處理自然語(yǔ)言數(shù)據(jù)的
G06F17-30 .信息檢索；及其數(shù)據(jù)庫(kù)結(jié)構(gòu)
G06F17-40 .數(shù)據(jù)的獲取和記錄
G06F17-50 .計(jì)算機(jī)輔助設(shè)計(jì)
- 一種創(chuàng)建共享語(yǔ)料庫(kù)的方法
- 口語(yǔ)化語(yǔ)句提取的方法及裝置
- 面向任務(wù)式對(duì)話系統(tǒng)意圖識(shí)別的語(yǔ)料庫(kù)生成方法和裝置
- 一種數(shù)據(jù)驅(qū)動(dòng)的語(yǔ)料庫(kù)自動(dòng)化構(gòu)建方法
- 一種拼寫數(shù)據(jù)的生成方法
- 訓(xùn)練語(yǔ)料庫(kù)細(xì)化和增量更新
- 用于電子文檔的內(nèi)容語(yǔ)料庫(kù)
- 作者創(chuàng)建的數(shù)字代理
- 情感語(yǔ)料庫(kù)的擴(kuò)展方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 意圖識(shí)別模型的訓(xùn)練語(yǔ)料生成方法及其相關(guān)設(shè)備
- 具有多位字段的寄存器的重命名
- 命名實(shí)體識(shí)別方法及裝置
- 主命名節(jié)點(diǎn)設(shè)置方法及裝置
- 命名實(shí)體的識(shí)別方法、識(shí)別系統(tǒng)及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 數(shù)據(jù)處理方法、裝置及計(jì)算機(jī)終端
- 命名實(shí)體消歧方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 文件默認(rèn)命名方法、裝置和電子設(shè)備
- 命名實(shí)體識(shí)別方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)
- 一種集群命名空間管理方法、系統(tǒng)、電子設(shè)備及存儲(chǔ)介質(zhì)
- 命名實(shí)體歸一化處理方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
