[發明專利]音譯名識別規則的生成方法、裝置、生成設備及存儲介質

在審

• 申請號: 202110242748.2
• 申請日: 2021-03-05
• 公開（公告）號: CN112883161A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 聶鐳;齊凱杰;聶穎
• 申請（專利權）人: 龍馬智芯（珠海橫琴）科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/216;G06F40/295;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種音譯名識別規則的生成方法，其特征在于，該方法包括：

獲取待處理文本樣本，其中，所述待處理文本樣本標注有第一音譯名文本；

提取所述第一音譯名文本；

根據所述第一音譯名文本生成所述音譯名識別規則，其中，所述音譯名識別規則用于識別出待處理文本中的第二音譯名文本。

2.如權利要求1所述的音譯名識別規則的生成方法，其特征在于,根據所述音譯名文本生成所述音譯名識別規則，包括：

根據所述第一音譯名文本構建音譯名數據庫；

在所述音譯名數據庫中確定出所述第一音譯名文本中各個字對應的頻率；

根據所述第一音譯名文本中各個字對應的頻率生成音譯名識別規則。

3.如權利要求2所述的音譯名識別規則的生成方法，其特征在于，根據所述第一音譯名文本中各個字對應的頻率構建音譯名識別規則，包括：

根據所述第一音譯名文本中各個字對應的頻率得到頻率閾值；

根據下式得到音譯名識別規則：

，

其中，i=1,2,...,n，min（Pi）表示待處理文本的詞組中字的最小頻率，P_閾值表示頻率閾值，當所述待處理文本的詞組中字的最小頻率大于所述頻率閾值，則確認所述待處理文本中的詞組為第二音譯名文本。

4.如權利要求1所述的音譯名識別規則的生成方法，其特征在于，提取所述第一音譯名文本之前，還包括：

劃分所述待處理文本樣本為第一文本樣本和第二文本樣本，其中，所述第一文本樣本包含人名，第二文本樣本不包含人名；

將所述第一文本樣本輸入至預設的分類模型進行訓練，得到人名識別模型；

其中，所述人名識別模型用于作為與所述音譯名識別規則對應的前置篩選規則，在音譯名識別規則識別出待處理文本中的第二音譯名文本之前，篩選出所述待處理文本中的人名。

5.如權利要求1所述的音譯名識別規則的生成方法，其特征在于，根據第一音譯名文本生成音譯名識別規則之后，還包括：

在待處理文本樣本中提取第一音譯名的左鄰字以及右鄰字；

根據左鄰字形成前綴語料庫；

根據右鄰字形成后綴語料庫；

基于前綴語料庫以及后綴語料庫，生成與音譯名識別規則對應的檢驗規則，檢驗規則用于在音譯名識別機制識別出待處理文本中的第二音譯名文本之后，對第二音譯名文本進行校驗。

6.一種音譯名識別規則的生成方法，其特征在于，該方法包括：

獲取模塊，用于獲取待處理文本樣本，其中，所述待處理文本樣本標注有第一音譯名文本；

提取模塊，用于提取所述第一音譯名文本；

生成模塊，用于根據所述第一音譯名文本生成所述音譯名識別規則，所述音譯名識別規則用于識別出待處理文本中的第二音譯名文本。

7.生成設備，包括存儲器、處理器、攝像裝置以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至5任一項所述的方法。

8.存儲介質，所述存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至5任一項所述方法的各個步驟。