[發(fā)明專利]語(yǔ)種識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010891340.3
• 申請(qǐng)日: 2020-08-30
• 公開(kāi)（公告）號(hào): CN112016308A
• 公開(kāi)（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 崔煒
• 申請(qǐng)（專利權(quán)）人: 上海松鼠課堂人工智能科技有限公司
• 主分類號(hào): G06F40/263
• 分類號(hào): G06F40/263;G06F40/216
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種語(yǔ)種識(shí)別方法，其特征在于，所述語(yǔ)種識(shí)別方法包括：

接收輸入的需進(jìn)行語(yǔ)種識(shí)別的待識(shí)別語(yǔ)種信息；

根據(jù)接收的所述待識(shí)別語(yǔ)種信息，統(tǒng)計(jì)并獲取所述待識(shí)別語(yǔ)種信息中包含的詞語(yǔ)在對(duì)應(yīng)語(yǔ)種中的出現(xiàn)頻率和排行信息；

根據(jù)所述出現(xiàn)頻率和排行信息，計(jì)算所述待識(shí)別語(yǔ)種信息為對(duì)應(yīng)語(yǔ)種的語(yǔ)種概率；

根據(jù)計(jì)算得到的所述語(yǔ)種概率，確定所述待識(shí)別語(yǔ)種信息對(duì)應(yīng)的語(yǔ)種。

2.如權(quán)利要求1所述的語(yǔ)種識(shí)別方法，其特征在于，所述根據(jù)接收的所述待識(shí)別語(yǔ)種信息，統(tǒng)計(jì)并獲取所述待識(shí)別語(yǔ)種信息中包含的詞語(yǔ)在對(duì)應(yīng)語(yǔ)種中的出現(xiàn)頻率和排行信息，包括：

根據(jù)接收到的所述待識(shí)別語(yǔ)種信息，統(tǒng)計(jì)所述待識(shí)別語(yǔ)種信息中各詞語(yǔ)的出現(xiàn)頻率；

根據(jù)所述詞語(yǔ)對(duì)應(yīng)的所述出現(xiàn)頻率，按照所述出現(xiàn)頻率對(duì)所述詞語(yǔ)進(jìn)行排序，得到每一個(gè)詞語(yǔ)對(duì)應(yīng)的所述出現(xiàn)頻率在所述待識(shí)別語(yǔ)種信息中出現(xiàn)次數(shù)的排列順序所對(duì)應(yīng)的排行信息；

其中，將所述出現(xiàn)頻率和排行信息分別記為f(m)和r(m)，m表示所述待識(shí)別語(yǔ)種信息中的詞語(yǔ)的序號(hào)，m取值為1、2、3，…，M，M為所述詞語(yǔ)的序號(hào)對(duì)應(yīng)的最大值，m為1時(shí)表示第一個(gè)詞語(yǔ)，m為2時(shí)表示第二個(gè)詞語(yǔ)，m取值M時(shí)表示第M個(gè)詞語(yǔ)。

3.如權(quán)利要求2所述的語(yǔ)種識(shí)別方法，其特征在于，所述根據(jù)所述出現(xiàn)頻率和排行信息，計(jì)算所述待識(shí)別語(yǔ)種信息為對(duì)應(yīng)語(yǔ)種的語(yǔ)種概率，包括：

根據(jù)已知語(yǔ)種的語(yǔ)種數(shù)據(jù)，統(tǒng)計(jì)并記錄所述待識(shí)別語(yǔ)種信息中各詞語(yǔ)在對(duì)應(yīng)的已知語(yǔ)種中出現(xiàn)的已知頻率和已知排序；

根據(jù)所述出現(xiàn)頻率和排行信息，并結(jié)合所述已知頻率和已知排序，計(jì)算得到所述待識(shí)別語(yǔ)種信息為對(duì)應(yīng)語(yǔ)種的語(yǔ)種概率。

4.如權(quán)利要求3所述的語(yǔ)種識(shí)別方法，其特征在于，所述根據(jù)已知語(yǔ)種的語(yǔ)種數(shù)據(jù)，統(tǒng)計(jì)并記錄待識(shí)別語(yǔ)種信息中各詞語(yǔ)在對(duì)應(yīng)的已知語(yǔ)種中出現(xiàn)的已知頻率和已知排序，包括：

收集已知語(yǔ)種的語(yǔ)種數(shù)據(jù)，得到每個(gè)語(yǔ)種分別對(duì)應(yīng)的已知語(yǔ)種數(shù)據(jù)庫(kù)；其中，y_i表示語(yǔ)種，i取1，2，…，Y；y₁表示第一個(gè)語(yǔ)種，y₂表示第二個(gè)語(yǔ)種，以此類推；Y表示所述已知語(yǔ)種數(shù)據(jù)庫(kù)中語(yǔ)種編號(hào)對(duì)應(yīng)的最大值；

基于所述已知語(yǔ)種數(shù)據(jù)庫(kù)，統(tǒng)計(jì)并記錄所述待識(shí)別語(yǔ)種信息中包含的第m個(gè)詞語(yǔ)c_m在對(duì)應(yīng)的第i個(gè)已知語(yǔ)種y_i中出現(xiàn)的已知頻率f(y_i，c_m)和已知排序r(y_i，c_m)；其中，m取1，2，…，M；f(y_i，c_m)表示第m個(gè)詞語(yǔ)c_m在語(yǔ)種i中對(duì)應(yīng)出現(xiàn)的已知頻率，r(y_i，c_m)表示所述第m個(gè)詞語(yǔ)c_m在語(yǔ)種i中出現(xiàn)頻率的排列順序?qū)?yīng)的已知排序。

5.如權(quán)利要求4所述的語(yǔ)種識(shí)別方法，其特征在于，所述根據(jù)所述出現(xiàn)頻率和排行信息，并結(jié)合所述已知頻率和已知排序，計(jì)算所述待識(shí)別語(yǔ)種信息為對(duì)應(yīng)語(yǔ)種的語(yǔ)種概率，包括：

獲取所述第m個(gè)詞語(yǔ)c_m在不同語(yǔ)種i中的出現(xiàn)頻率f(y_i，c_m)及排行信息r(y_i，c_m)；

根據(jù)所述出現(xiàn)頻率f(m)和排行信息r(m)，以及所述出現(xiàn)頻率f(y_i，c_m)及排行信息r(y_i，c_m)，計(jì)算所述待識(shí)別語(yǔ)種信息與語(yǔ)種i的頻率特征距離以及排行特征距離；

根據(jù)計(jì)算得到的所述頻率特征距離以及排行特征距離，計(jì)算得到所述待識(shí)別語(yǔ)種信息為語(yǔ)種i的語(yǔ)種概率。