[發明專利]一種詞典格式生成方法及電子設備

有效

• 申請號: 201710676588.6
• 申請日: 2017-08-09
• 公開（公告）號: CN107633006B
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 張惠亮;趙曉慶;劉勝;吳鋒海
• 申請（專利權）人: 聯動優勢科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 黃志華

1.一種詞典格式生成方法，其特征在于，包括：

獲取來自至少一個數據源的多個文本信息，所述多個文本信息中每個文本信息包括特殊字符，所述特殊字符包括數字和/或字母；

提取所述多個文本信息中與所述特殊字符相關的至少一個語義段；其中，所述至少一個語義段中每個語義段包括所述特殊字符及與所述特殊字符相鄰的關聯字符，所述關聯字符的字符數量小于等于預設數量；

根據所述至少一個語義段確定至少一個詞典格式，所述至少一個詞典格式用于表征特殊字符在相應語義段中的分布規則；

其中，提取所述多個文本信息中與所述特殊字符相關的至少一個語義段，包括：

根據所述特殊字符的字符類型，對所述多個文本信息進行歸一化處理，獲得歸一化的文本信息；

確定所述歸一化的文本信息中包括所述特殊字符的字符串；

提取所述字符串作為所述至少一個語義段；

所述確定所述歸一化的文本信息中包括所述特殊字符的字符串，包括：

確定所述特殊字符在所述歸一化的文本信息中對應的字符位置；

以所述字符位置為起點，確定在預設方向上與所述特殊字符相鄰的關聯字符；

確定所述特殊字符和所述關聯字符形成的字符串。

2.如權利要求1所述的方法，其特征在于，提取所述字符串作為所述至少一個語義段，包括：

根據所述字符位置及所述關聯字符對應的字符位置，提取所述歸一化的文本信息中的所述字符串，并將獲得的所述字符串作為所述至少一個語義段。

3.如權利要求2所述的方法，其特征在于，根據所述至少一個語義段確定至少一個詞典格式，包括：

確定所述至少一個語義段中出現頻率大于等于第一預設頻率的目標語義段；

根據所述至少一個數據源的業務特征及所述目標語義段，確定至少一個有效字符串；其中，所述至少一個有效字符串中每個有效字符串為所述目標語義段的組合或所述目標語義段中包括特殊字符的至少一部分字符串；

根據所述至少一個有效字符串確定所述至少一個詞典格式。

4.如權利要求3所述的方法，其特征在于，根據所述至少一個有效字符串確定所述至少一個詞典格式，包括：

確定所述特殊字符在所述至少一個有效字符串的每個有效字符串中的分布格式；

按照所述分布格式生成所述至少一個詞典格式。

5.如權利要求4所述的方法，其特征在于，在確定所述特殊字符在所述至少一個有效字符串的每個有效字符串中的分布格式的同時，所述方法還包括：

根據所述至少一個有效字符串，確定每個有效字符串中特殊字符在文本信息中對應的至少一個原始字段；

確定所述至少一個原始字段中出現的頻率；

將出現次數大于等于第二預設頻率的原始字段確定為與所述特殊字符對應的特定字段；

在按照所述分布格式生成所述至少一個詞典格式的同時，還包括：

將所述特定字段確定為生成的至少一個詞典格式中所述特殊字符的固定字符。

6.一種電子設備，其特征在于，包括：

獲取模塊，用于獲取來自至少一個數據源的多個文本信息，所述多個文本信息中每個文本信息包括特殊字符，所述特殊字符包括數字和/或字母；

提取模塊，用于提取所述多個文本信息中與所述特殊字符相關的至少一個語義段；其中，所述至少一個語義段中每個語義段包括所述特殊字符及與所述特殊字符相鄰的關聯字符，所述關聯字符的字符數量小于等于預設數量；

操作模塊，用于根據所述至少一個語義段確定至少一個詞典格式，所述至少一個詞典格式用于表征特殊字符在相應語義段中的分布規則；

其中，所述提取模塊包括：

第一處理模塊，用于根據所述特殊字符的字符類型，對所述多個文本信息進行歸一化處理，獲得歸一化的文本信息；

第一確定模塊，用于確定所述歸一化的文本信息中包括所述特殊字符的字符串；

第二處理模塊，用于提取所述字符串作為所述至少一個語義段；

所述第一確定模塊用于：

確定所述特殊字符在所述歸一化的文本信息中對應的字符位置，并以所述字符位置為起點，確定在預設方向上與所述特殊字符相鄰的關聯字符。