[發明專利]一種基于語料庫的近義詞辨析方法

在審

• 申請號: 202011235719.5
• 申請日: 2020-11-06
• 公開（公告）號: CN112329455A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 王大鵬
• 申請（專利權）人: 渤海大學
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F40/253;G06F40/30;G06F40/247
• 代理公司: 上海思牛達專利代理事務所(特殊普通合伙) 31355
• 代理人: 雍常明

本發明公開一種基于語料庫的近義詞辨析方法，所述辨析方法包括以下步驟：確定語料研究領域、類型及規模，采集整理相關詞語并建立語料庫，對建立語料庫進行實時更新，對建立語料數據庫進行數據處理，對數據處理后的詞語進行識別分析，對識別過后的詞語進行近義詞辨析，對辨析結果進行統計。該基于語料庫的近義詞辨析方法依靠互聯網為數據來源并且依靠計算機輔助工具為使用方式，可以對近義詞同時進行定性和定量辨析，從而能夠使得近義詞辨析精度提高，便于研究員和學者對近義詞辨析進行深度研究和學習。

技術領域

本發明涉及詞義信息處理技術領域，具體為一種基于語料庫的近義詞辨析方法。

背景技術

語料庫，是指經過科學取樣和加工的大規模電子文本庫，其特點包括三個：一是語料庫中存放的是在實際使用中真實出現過的語言材料，二是語料庫是承載語言知識的基礎資源，但不等于語言知識，三是真實語料需要經過加工，其作用是通過借助計算機分析工具，讓研究者可以開展相關的語言理論及應用研究，而在現有語料研究當中，尤其對近義詞的辨析研究頗多，而且近義詞的應用在實際生活中也經常見到，例如公務員和事業單位考試就經常考察到近義詞詞義辨析的題目，這是因為對近義詞進行深度剖析有利于我們對于語境和文章的深入解析，有利于提升我們的思想造詣，專利號為CN110377904A公開了一種基于語料庫的近義詞辨析方法，其基于語料庫的近義詞辨析方法較差，且辨析精度不高，容易影響研究人員正常工作進程，因此發明出一種基于語料庫的近義詞辨析方法變得尤為重要；

現有的基于語料庫的近義詞辨析方法，不可以對近義詞同時進行定性和定量辨析，從而不能夠使得近義詞辨析精度提高，不便于研究員和學者對近義詞辨析進行深度研究和學習，為此，我們提出一種基于語料庫的近義詞辨析方法。

發明內容

本發明的目的在于提供一種基于語料庫的近義詞辨析方法，以解決上述背景技術中提出的現有的基于語料庫的近義詞辨析方法，不可以對近義詞同時進行定性和定量辨析，從而不能夠使得近義詞辨析精度提高，不便于研究員和學者對近義詞辨析進行深度研究和學習的問題。

為實現上述目的，本發明提供如下技術方案：一種基于語料庫的近義詞辨析方法，所述辨析方法包括以下步驟：

(1)確定語料研究領域、類型及規模；

(2)采集整理相關詞語并建立語料庫；

(3)對建立語料庫進行實時更新；

(4)對建立語料數據庫進行數據處理；

(5)對數據處理后的詞語進行識別分析；

(6)對識別過后的詞語進行近義詞辨析；

(7)對辨析結果進行統計。

優選的，步驟(1)中所述語料研究領域是指根據語料研究目的、研究方向和研究用途來確定所收集到語料范圍，所述語料研究類型是指根據用戶需求以及研究范圍來確定所研究的語料類型，所述語料研究規模是指根據實際操作能力和應用水平來確定語料的收集數量，其中，語料類型包括單語語料類型、雙語語料類型或多語語料類型中的一種或多種。

優選的，步驟(2)中所述語料庫與互聯網通信連接，所述語料庫依托計算機輔助工具進行語料檢索和信息處理，所述信息處理是指計算機輔助工具利用互聯網來對所收集到的詞語進行釋義解析和數據篩選，其中，計算機輔助工具為Antconc。

優選的，步驟(3)中所述實時更新包括及時對新詞進行添加以及對舊詞新意進行及時補充。

優選的，步驟(4)中所述識別分析是指對關鍵字信息和語義信息進行分析，所述關鍵字信息由近義詞中共同出現的的字來確定，所述語義信息由詞語內容來確定。

優選的，步驟(5)中所述數據處理是通過分類標準對詞語進行分類，所述分類標準是依據關鍵字信息和語義信息。