[發(fā)明專利]數(shù)據(jù)處理方法及系統(tǒng)和服務(wù)器

在審

• 申請?zhí)枺?/td>: 201711416280.4
• 申請日: 2017-12-22
• 公開（公告）號: CN108009155A
• 公開（公告）日: 2018-05-08
• 發(fā)明（設(shè)計）人: 劉帥
• 申請（專利權(quán)）人: 聯(lián)想（北京）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 中科專利商標代理有限責(zé)任公司 11021
• 代理人: 呂雁葭

1.一種數(shù)據(jù)處理方法，包括：

獲取包含有指定短語的樣本語料；

確定包含在所述樣本語料中的所述指定短語的詞性特征屬性；以及

基于所述指定短語及其詞性特征屬性，確定出用于對語料進行短語識別的詞性組合集。

2.根據(jù)權(quán)利要求1所述的方法，其中，基于所述指定短語及其詞性特征屬性，確定出用于對語料進行短語識別的詞性組合集包括：

從所述樣本語料中提取所述指定短語；

對提取出來的所述指定短語進行分詞處理，得到多個短語分詞；

將所述多個短語分詞進行排列組合，得到多個組合短語；

基于所述指定短語的詞性特征屬性，確定所述多個組合短語的詞性特征屬性；以及

基于所述多個組合短語的詞性特征屬性，確定出用于對語料進行短語識別的詞性組合集。

3.根據(jù)權(quán)利要求2所述的方法，其中，從所述樣本語料中提取所述指定短語包括：

從所述樣本語料中提取帶有標識的短語作為所述指定短語。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述方法還包括：

在確定出所述詞性組合集之后，按詞性特征屬性條件對所述詞性組合集中包含的所有詞性組合進行統(tǒng)計；以及

基于統(tǒng)計結(jié)果，確定詞性組合子集，其中，所述詞性組合子集中包含的詞性組合為從所述詞性組合集中選出的統(tǒng)計結(jié)果滿足預(yù)設(shè)條件的詞性組合。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述方法還包括：

在確定出所述詞性組合集之后，獲取所述詞性組合集中包含的至少一個名詞性短語的詞性組合以及至少一個非名詞性短語的詞性組合；以及

使用所述至少一個名詞性短語的詞性組合替換所述至少一個非名詞性短語的詞性組合中的名詞詞性部分進行窮舉，得到最終的詞性組合集。

6.根據(jù)權(quán)利要求1所述的方法，其中，所述方法還包括：

獲取待識別的目標語料；

將所述目標語料進行分詞處理，得到多個分詞；

針對所述多個分詞，確定其中至少一個分詞的詞性組合；以及

將所述至少一個分詞的詞性組合與所述詞性組合集中的各詞性組合進行匹配，以從所述至少一個分詞中識別出詞性組合命中所述詞性組合集中的詞性組合的目標分詞。

7.根據(jù)權(quán)利要求6所述的方法，其中，所述方法還包括：

利用預(yù)設(shè)過濾條件對所述目標分詞進行過濾；以及

基于過濾結(jié)果，確定出最終的分詞識別對象。

8.一種數(shù)據(jù)處理系統(tǒng)，包括：

獲取模塊，用于獲取包含有指定短語的樣本語料；

第一確定模塊，用于確定包含在所述樣本語料中的所述指定短語的詞性特征屬性；以及

第二確定模塊，用于基于所述指定短語及其詞性特征屬性，確定出用于對語料進行短語識別的詞性組合集。

9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中，所述第二確定模塊包括：

提取單元，用于從所述樣本語料中提取所述指定短語；

分詞單元，用于對提取出來的所述指定短語進行分詞處理，得到多個短語分詞；

組合單元，用于將所述多個短語分詞進行排列組合，得到多個組合短語；

第一確定單元，用于基于所述指定短語的詞性特征屬性，確定所述多個組合短語的詞性特征屬性；以及

第二確定單元，用于基于所述多個組合短語的詞性特征屬性，確定出用于對語料進行短語識別的詞性組合集。

10.一種服務(wù)器，包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序，

其中，當所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述一個或多個處理器實現(xiàn)權(quán)利要求1至5中任一項所述的數(shù)據(jù)處理方法。