[發明專利]用于在文檔中識別中文物種名稱的方法與系統

在審

• 申請號: 201611198995.2
• 申請日: 2016-12-22
• 公開（公告）號: CN106776565A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 莊會富;黃蓉;杜寧;王雨華
• 申請（專利權）人: 中國科學院昆明植物研究所
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 昆明協立知識產權代理事務所(普通合伙)53108
• 代理人: 馬曉青

1.一種在文檔中識別中文生物物種名稱的方法，其特征在于該方法包括：接收包含中文物種名稱的文檔，識別所述文檔中的中文物種名稱字段，識別所述文檔中的非物種名稱字段，基于所識別的中文物種名稱字段向兩端擴展、合并以得到所述完整的中文物種名稱步驟。

2.如權利要求1所述的一種在文檔中識別中文物種名稱的方法，其特征在于其中所述非物種名稱字段在基于所識別的中文物種名稱字段向兩端擴展以得到所述完整中文物種名稱中作為終止符。

3.如權利要求1所述的一種在文檔中識別中文物種名稱的方法，其特征在于其中所述識別所述文檔中的中文物種名稱字段步驟包括：對所述文檔進行分句，基于物種名稱字典匹配所述文檔的分句中出現的所有中文物種名稱，記錄所述中文物種名稱字段的位置信息。

4.如權利要求3所述的一種在文檔中識別中文生物物種名稱的方法，其特征在于在識別所述文檔中的中文物種名稱字段步驟中，當同一分句中出現一個以上物種名稱片段時，檢查物種名稱片段位置信息之間是否存在包含關系，響應于多個物種名稱片段存在包含關系，保留最長的物種名稱片段及位置信息。

5.如權利要求1所述的一種在文檔中識別中文生物物種名稱的方法，其特征在于其中所述識別所述文檔中的非中文物種名稱字段步驟包括：對所述文檔進行分詞，檢查每個分詞是否在非中文物種名稱字段字典中，響應于所述分詞在非中文物種名稱字段字典中，確定所述分詞為非中文物種名稱字段，記錄所述非物種名稱字段的位置信息。

6.如權利要求1所述的一種在文檔中識別中文物種名稱的方法，其特征在于其中所述基于所識別的中文物種名稱字段向兩端擴展以得到所述完整中文物種名稱步驟包括：從所述中文物種名稱字段位置向前后兩端擴展直至遇到非物種名稱片段為止，以獲得所述生物物種名稱。

7.如權利要求3或5所述的一種在文檔中識別物種名稱的方法，其特征在于，所述位置信息由所述任一物種名稱片段或非物種名稱片段在所述文檔中的起始位置和結束位置組成。

8.如權利要求3所述的一種在文檔中識別中文生物物種名稱的方法，其特征在于，該方法還包括以下步驟至少之一:

從已有的中文物種名稱生成中文物種名稱片段字典，包括物種中文學名、俗名、栽培馴化后的品種名稱；或者，基于非生物領域的中文文檔，收集出現頻率較高的詞，形成非物種名稱片段字典。

9.一種在文檔中識別中文物種名稱的系統，包括：

接收裝置，用于接收包括中文物種名稱的文檔；

識別裝置一，用于識別所述文檔中的中文物種名稱字段；

識別裝置二，用于識別所述文檔中的非物種名稱片段；

合并裝置，用于基于所識別的中文物種名稱字段向兩端擴展、合并以得到所述完整的中文物種名稱。

10.權利要求1或9所述的一種在文檔中識別中文物種名稱的方法或系統在從科技文獻中識別中文物種名稱中的應用。