[发明专利]选择用于文本分割的语言的方法和系统

权利要求书

1.一种方法，包括：

识别与字符串相关联的至少第一备选语言和第二备选语言；

至少从所述字符串确定与所述第一备选语言相关联的第一分割结果，以及从所述字符串确定与所述第二备选语言相关联的第二分割结果；

确定所述第一分割结果出现的第一频率，以及确定所述第二分割结果出现的第二频率；以及

至少部分地基于所述出现的第一频率和所述出现的第二频率，从所述第一备选语言和第二备选语言来识别可行的语言。

2.根据权利要求1所述的方法，其中，识别可行语言包括至少部分地根据所述出现的第一频率和所述出现的第二频率，从所述第一分割结果和第二分割结果来识别可行的分割结果。

3.根据权利要求1所述的方法，其中至少部分地基于一种语言信号来识别第一备选语言和第二备选语言。

4.根据权利要求3所述的方法，其中所述至少一种语言信号包括与字符串相关联的语言学、与字符串相关联的用户的IP地址、与字符串相关联的字符集、与同字符串关联的用户相关联的浏览器应用程序的浏览器设置、以及与字符串相关联的最高层域中的至少一个。

5.根据权利要求1所述的方法，其中，识别可行语言至少部分地基于至少一种语言信号。

6.根据权利要求1所述的方法，其中，所述第一分割结果包括分割段的第一组合，以及所述第二分割结果包括分割段的第二组合。

7.根据权利要求1所述的方法，其中，确定所述第一分割结果出现的第一频率包括确定包含所述第一分割结果的所述第一备选语言中的项目数；以及基于所述第一备选语言中的项目总数，对所述项目数进行归一化。

8.根据权利要求7所述的方法，其中，确定包含所述第一分割结果的第一备选语言的项目数包括：确定响应包括所述第一分割结果的搜索疑问所生成的搜索结果集中的项目标识符的数量。

9.根据权利要求7所述的方法，其中，确定包含所述第一分割结果的项目数包括访问项目索引。

10.根据权利要求1所述的方法，其中，确定所述第一分割结果出现的第一频率包括：确定第一备选语言中的多个搜索疑问中的所述第一分割结果的出现数目；以及基于所述第一备选语言中的搜索疑问总数，对出现数目进行归一化。

11.根据权利要求1所述的方法，其中，所述字符串包括域名。

12.根据权利要求1所述的方法，还包括至少部分地基于可行语言来选择项目。

13.根据权利要求12所述的方法，其中，所述项目包括广告、网页和状态消息中的至少一个。

14.根据权利要求1所述的方法，其中，确定所述第一分割结果包括：

从字符串确定所述第一备选语言中的多个分割结果；以及

从所述多个分割结果中识别所述第一分割结果。

15.权利要求14所述的方法，其中，识别所述第一分割结果包括计算多个分割结果中的每一个的概率值。

16.根据权利要求15所述的方法，其中，与所述第一分割结果相关联的第一概率值至少部分地基于所述第一分割结果内的每个分割段的频率。

17.根据权利要求1所述的方法，其中，至少部分地基于所述出现的第一频率和所述出现的第二频率从所述第一备选语言和所述第二备选语言识别可行语言包括：如果所述出现的第一频率大于所述出现的第二频率，则选择所述第一备选语言。

18.一种包含程序代码的计算机可读介质，包括：

用于识别与字符串相关联的至少第一备选语言和第二备选语言的程序代码；

用于至少从所述字符串确定与所述第一备选语言相关联的第一分割结果，从所述字符串确定与所述第二备选语言相关联的第二分割结果的程序代码，；

用于确定所述第一分割结果出现的第一频率，所述第二分割结果出现的第二频率的程序代码；以及

用于至少部分地基于所述出现的第一频率和所述出现的第二频率，从所述第一备选语言和所述第二备选语言识别可行语言的程序代码。