[發明專利]針對特定類型分詞的識別方法、裝置、介質及電子設備

在審

• 申請號: 202110374256.9
• 申請日: 2021-04-07
• 公開（公告）號: CN115186096A
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 王博遠
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F40/279;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 深圳市聯鼎知識產權代理有限公司 44232
• 代理人: 葉虹

本申請提供一種針對特定類型分詞的識別方法、針對特定類型分詞的識別裝置、計算機可讀存儲介質及電子設備；涉及計算機技術領域；包括：獲取待分析文本的分詞集合；基于分詞集合中各分詞確定分詞集合中目標分詞的參考評分；從預設知識圖譜中獲取與目標分詞的相鄰分詞對應的相關分詞，并將分詞集合中的目標分詞替換為相關分詞；基于分詞集合中各分詞確定相關分詞的參考評分；根據目標分詞的參考評分和相關分詞的參考評分對目標分詞進行特定類型識別。可見，實施本申請實施例，通過對分詞的多維度數據計算，得到多維度特定類型評價，結合多維度評價進行特定類型識別，規避了詞表的局限性，基于人工智能實現多維度分析，提升特定類型分詞的識別精度。

技術領域

本申請涉及計算機技術領域，具體而言，涉及一種針對特定類型分詞的識別方法、針對特定類型分詞的識別裝置、計算機可讀存儲介質及電子設備。

背景技術

隨著計算機技術的發展，用戶可以通過即時通訊軟件聊天。在聊天的過程中，當用戶發送一些短語黑名單中的敏感詞時，一般會被軟件進行特殊處理，例如，軟件會通過一些替代字符(如，***)代替文本中的該敏感詞。但是，用戶為了與對方正常聊天，也會使用一些特定類型詞(如，港幣)代替該敏感詞(如，鋼筆)。

對于敏感詞的特定類型詞的識別方式通常可以包括：構建敏感詞的特定類型詞的詞表，當用戶輸入的文本中存在命中該詞表的短語，可以將該短語識別為敏感詞的特定類型詞。但是，這種方式存在詞表中詞量的局限性，當用戶之間約定了新的特定類型詞來代替一些敏感詞，而該新的特定類型詞未收錄至上述詞表中，則無法對其進行識別。可見，上述方法存在特定類型詞識別精度不高的問題。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本申請的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本申請的目的在于提供一種針對特定類型分詞的識別方法、針對特定類型分詞的識別裝置、計算機可讀存儲介質及電子設備，可以通過對于文本中分詞的多維度分析，得到分詞在多維度下的特定類型評價，從而可以結合多個維度的評價對分詞進行特定類型識別，規避了現有技術中詞表的局限性。以及，可以基于人工智能技術實現對于文本中分詞的多維度分析，提升對于特定類型分詞的識別精度。

本申請的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本申請的實踐而習得。

根據本申請的一方面，提供一種針對特定類型分詞的識別方法，包括：

獲取待分析文本的分詞集合；

基于分詞集合中各分詞確定分詞集合中目標分詞的參考評分，目標分詞的參考評分用于對目標分詞進行特定類型評價；

從預設知識圖譜中獲取與目標分詞的相鄰分詞對應的相關分詞，并將分詞集合中的目標分詞替換為相關分詞；

基于分詞集合中各分詞確定相關分詞的參考評分，相關分詞的參考評分用于對目標分詞進行特定類型評價；

根據目標分詞的參考評分和相關分詞的參考評分對目標分詞進行特定類型識別。

在本申請的一種示例性實施例中，相關分詞為詞組中的隨機分詞或詞組中調用頻率最高的分詞，其中的詞組為相鄰分詞在預設知識圖譜中所屬詞組。

根據本申請的一方面，提供一種針對特定類型分詞的識別裝置，包括：分詞獲取單元、參數確定單元、分詞替換單元以及特定類型分詞識別單元，其中：

分詞獲取單元，用于獲取待分析文本的分詞集合；

參數確定單元，用于基于分詞集合中各分詞確定分詞集合中目標分詞的參考評分，目標分詞的參考評分用于對目標分詞進行特定類型評價；

分詞替換單元，用于從預設知識圖譜中獲取與目標分詞的相鄰分詞對應的相關分詞，并將分詞集合中的目標分詞替換為相關分詞；