[發明專利]基于上下文的首字母縮略詞和縮寫詞的歧義消除

有效

• 申請號: 201180056876.2
• 申請日: 2011-09-23
• 公開（公告）號: CN103229137A
• 公開（公告）日: 2013-07-31
• 發明（設計）人: B·K·博古拉夫;J·舒-卡羅爾;D·A·弗魯茨;A·T·萊瓦斯;J·M·普拉格爾
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06F7/00
• 分類號: G06F7/00
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 張亞非;于靜

1.一種用于基于上下文的縮寫詞歧義消除的方法，包括：

確定收到的段落中的目標縮寫詞以及出現在該目標縮寫詞的上下文中的一個或多個關鍵詞，該目標縮寫詞表示一個或多個單詞的縮寫形式；

生成包含目標縮寫詞以及所述一個或多個關鍵詞的上下文搜索查詢；

通過調用該上下文搜索查詢來搜索用于目標縮寫詞的一個或多個擴展的偽文檔索引，該偽文檔索引包含一個或多個偽文檔的索引、關聯的一個或多個縮寫詞、以及關聯的上下文關鍵詞；

基于對偽文檔索引的搜索，返回與目標縮寫詞關聯的一個或多個偽文檔；以及

基于返回的一個或多個目標偽文檔來提供與目標縮寫詞關聯的一個或多個擴展。

2.如權利要求1所述的方法，其中，所述一個或多個偽文檔被構造為包括名稱和內容，該名稱包含縮寫詞的擴展，且該內容包含縮寫詞和關聯的上下文關鍵詞。

3.如權利要求1所述的方法，還包括生成與目標縮寫詞關聯的一個或多個返回的目標偽文檔的評級列表或評分列表或兩者的組合。

4.如權利要求1所述的方法，其中，確定收到的段落中的目標縮寫詞以及出現在該目標縮寫詞的上下文中的一個或多個關鍵詞包括：生成捕獲到該段落的詞法和句法屬性的一個或多個特征，以及基于捕獲到的詞法和句法屬性來識別收到的段落中的所述目標縮寫詞以及出現在該目標縮寫詞的上下文中的所述一個或多個關鍵詞。

5.如權利要求1所述的方法，其中，所述目標縮寫詞包括首字母縮略詞。

6.如權利要求1所述的方法，其中，所述一個或多個偽文檔是基于縮寫詞和關聯擴展的詞典來構造的。

7.一種用于基于上下文的縮寫詞歧義消除的方法，包括：

通過識別具有關聯潛在擴展的一組縮寫詞來生成縮寫詞擴展詞典；

為縮寫詞擴展詞典中識別的每個擴展生成偽文檔，該偽文檔包含縮寫、關聯的擴展、以及與所述縮寫詞一起出現的一個或多個單詞；以及

生成對所述縮寫詞和所述關聯擴展進行索引的偽文檔索引。

8.如權利要求7所述的方法，還包括：通過生成捕獲到所收到的段落的詞法和句法屬性的一個或多個特征來生成機器學習分類模型，以及構造機器學習模型，其用于識別收到的段落中的一個或多個目標縮寫詞以及出現在該目標縮寫詞的上下文中的一個或多個目標關鍵詞。

9.一種用于基于上下文的縮寫詞歧義消除的系統，包括：

處理器；

分析段落模塊，其可操作以在處理器上執行，且還可操作以確定收到的段落中的目標縮寫詞以及出現在該目標縮寫詞的上下文中的一個或多個關鍵詞，該目標縮寫詞表示一個或多個單詞的縮寫形式；

上下文搜索查詢生成組件，其可操作以生成包含目標縮寫詞以及所述一個或多個關鍵詞的上下文搜索查詢；

搜索偽文檔索引模塊，其可操作以通過調用該上下文搜索查詢來搜索用于目標縮寫詞的一個或多個擴展的偽文檔索引，該偽文檔索引包含一個或多個偽文檔的索引、關聯的一個或多個縮寫詞、以及關聯的上下文關鍵詞，該搜索偽文檔索引模塊還可操作以基于對偽文檔索引的搜索來返回與目標縮寫詞關聯的一個或多個偽文檔，其中，基于返回的一個或多個目標偽文檔來提供與目標縮寫詞關聯的一個或多個擴展。

10.如權利要求9所述的系統，其中，所述一個或多個偽文檔被構造為包括名稱和內容，該名稱包含縮寫詞的擴展，且該內容包含縮寫詞和關聯的上下文關鍵詞。

11.如權利要求9所述的系統，其中，從與目標縮寫詞關聯的一個或多個返回的目標偽文檔來生成評級列表或評分列表或兩者的組合。

12.如權利要求9所述的系統，還包括機器學習分類模型生成模塊，其可操作以確定收到的段落中的目標縮寫詞以及出現在該目標縮寫詞的上下文中的一個或多個關鍵詞，該機器學習分類模型生成模塊生成捕獲到該段落的詞法和句法屬性的一個或多個特征，以及基于捕獲到的詞法和句法屬性來識別收到的段落中的所述目標縮寫詞以及出現在該目標縮寫詞的上下文中的所述一個或多個關鍵詞。

13.如權利要求9所述的系統，其中，所述目標縮寫詞包括首字母縮略詞。

14.如權利要求9所述的系統，還包括存儲縮寫詞和關聯擴展的詞典的儲存庫，其中，所述一個或多個偽文檔是基于縮寫詞和關聯擴展的詞典來構造的。