[發(fā)明專利]新詞挖掘方法、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202010522871.5
• 申請日: 2020-06-10
• 公開（公告）號: CN111680492A
• 公開（公告）日: 2020-09-18
• 發(fā)明（設(shè)計(jì)）人: 張發(fā)恩;魏暢毅
• 申請（專利權(quán)）人: 創(chuàng)新奇智（青島）科技有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/253;G06F40/289;G06F16/33
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 蔣姍

1.一種新詞挖掘方法，其特征在于，包括：

獲取目標(biāo)語料；

對所述目標(biāo)語料進(jìn)行分詞處理，得到待處理詞語；

對各所述待處理詞語建立句法依存關(guān)系；

依據(jù)所述句法依存關(guān)系從各所述待處理詞語中提取出滿足預(yù)設(shè)依存關(guān)系的待處理詞語，組成候選新詞；

從所述候選新詞中去除掉干擾元素，得到目標(biāo)新詞；所述干擾元素為根據(jù)預(yù)設(shè)規(guī)則需要去除掉的所述候選新詞中的待處理詞語。

2.如權(quán)利要求1所述的新詞挖掘方法，其特征在于，對所述目標(biāo)語料進(jìn)行分詞處理，得到待處理詞語，包括：

使用分詞算法對所述目標(biāo)語料進(jìn)行分詞處理；

去除經(jīng)過所述分詞處理后得到的各詞語中的停用詞，得到所述待處理詞語。

3.如權(quán)利要求1所述的新詞挖掘方法，其特征在于，對各所述待處理詞語建立句法依存關(guān)系，包括：

以各待處理詞語所屬的句子為單位，構(gòu)建每一個句子中各待處理詞語的句法依存關(guān)系；

對應(yīng)的，依據(jù)所述句法依存關(guān)系從各所述待處理詞語中提取出滿足預(yù)設(shè)依存關(guān)系的待處理詞語，組成候選新詞，包括：

依據(jù)每一個句子中各待處理詞語的句法依存關(guān)系，從各句子中提取出滿足預(yù)設(shè)依存關(guān)系的待處理詞語，組成每一個句子所對應(yīng)的候選新詞。

4.如權(quán)利要求1所述的新詞挖掘方法，其特征在于，依據(jù)所述句法依存關(guān)系從各所述待處理詞語中提取出滿足預(yù)設(shè)依存關(guān)系的待處理詞語，組成候選新詞，包括：

提取具有定中關(guān)系的各待處理詞語，將各待處理詞語按照各自對應(yīng)的定中關(guān)系，與提取出的其余待處理詞語組成所述候選新詞；

或，提取滿足定中關(guān)系和狀中關(guān)系的各待處理詞語，將各待處理詞語按照各自對應(yīng)的定中關(guān)系或狀中關(guān)系，與提取出的其余待處理詞語組成所述候選新詞；

或，提取滿足定中關(guān)系、狀中關(guān)系和核心關(guān)系的各待處理詞語，將各待處理詞語按照各自對應(yīng)的定中關(guān)系或狀中關(guān)系或核心關(guān)系，與提取出的其余待處理詞語組成所述候選新詞。

5.如權(quán)利要求1-4任一項(xiàng)所述的新詞挖掘方法，其特征在于，從所述候選新詞中去除掉干擾元素，得到目標(biāo)新詞，包括：

按照預(yù)設(shè)的句法規(guī)則和預(yù)設(shè)的目標(biāo)領(lǐng)域規(guī)則，從所述候選新詞中去除掉干擾元素，得到目標(biāo)新詞；所述預(yù)設(shè)的目標(biāo)領(lǐng)域規(guī)則為預(yù)設(shè)的所述目標(biāo)語料所屬領(lǐng)域的領(lǐng)域規(guī)則。

6.如權(quán)利要求5所述的新詞挖掘方法，其特征在于，按照預(yù)設(shè)的句法規(guī)則從所述候選新詞中去除掉干擾元素，包括：

檢測所述候選新詞中是否存在預(yù)設(shè)的需排除詞語；

若存在，去除掉所述候選新詞中的所述需排除詞語。

7.如權(quán)利要求5所述的新詞挖掘方法，其特征在于，按照預(yù)設(shè)的目標(biāo)領(lǐng)域規(guī)則從所述候選新詞中去除掉干擾元素，包括：

檢測所述候選新詞中是否存在具有并列關(guān)系的待處理詞語；

若存在，去除掉所述候選新詞中位于所述并列關(guān)系內(nèi)的待處理詞語。

8.如權(quán)利要求1-4任一項(xiàng)所述的新詞挖掘方法，其特征在于，所述目標(biāo)語料為文檔題目和/或文檔摘要。

9.一種新詞挖掘裝置，其特征在于，包括：獲取模塊、分詞模塊、句法依存模塊和處理模塊；

所述獲取模塊，用于獲取目標(biāo)語料；

所述分詞模塊，用于對所述目標(biāo)語料進(jìn)行分詞處理，得到待處理詞語；

所述句法依存模塊，用于對各所述待處理詞語建立句法依存關(guān)系；

所述處理模塊，用于依據(jù)所述句法依存關(guān)系從各所述待處理詞語中提取出滿足預(yù)設(shè)依存關(guān)系的待處理詞語，組成候選新詞；從所述候選新詞中去除掉干擾元素，得到目標(biāo)新詞；所述干擾元素為根據(jù)預(yù)設(shè)規(guī)則需要去除掉的所述候選新詞中的待處理詞語。

10.一種電子設(shè)備，其特征在于，包括數(shù)據(jù)接口、處理器、存儲器及通信總線；

所述數(shù)據(jù)接口用于獲取目標(biāo)語料；

所述通信總線用于實(shí)現(xiàn)所述數(shù)據(jù)接口、處理器和存儲器之間的連接通信；

所述處理器用于執(zhí)行存儲器中存儲的一個或者多個程序，以實(shí)現(xiàn)如權(quán)利要求1至8任一項(xiàng)所述的新詞挖掘方法。