[发明专利]文本中数字和特殊符号串的文字符号化处理方法及系统

权利要求书

1.一种自然语言文本中数字和符号串的文字符号化处理方法，其特征是，所述的方法包括以下步骤：

输入自然语言文本；

逐段抽取所述自然语言文本中的数字和符号串；

将当前数字和符号串与预存储的模板进行匹配，获得当前数字和符号串所属的模板类型；

记录历史数字和符号串的模板类型及相关信息；

根据当前数字和符号串所属的模板类型以及当前数字和符号串相邻的历史数字和符号串的模板类型及相关信息对当前数字和符号串进行文字符号化处理。

2.根据权利要求1所述的方法，其特征是，在当前数字和符号串相邻的历史数字和符号串的模板类型及相关信息中找到相关的上下文语境，则使当前数字和符号串与相邻的历史数字和符号串组合为一个语义单元，并生成该语义单元所对应的模板，记录该语义单元所对应的数字和符号串信息。

3.根据权利要求2所述的方法，其特征是，对所述的语义单元进行应用所需的标记。

4.根据权利要求2所述的方法，其特征是，所述的上下文语境包括：模板类型、区间范围、文字符号化规则等。

5.根据权利要求1所述的方法，其特征是，遍历历史数字和符号串的模板类型及相关信息，如果找到未被文字符号化处理的数字和符号串，则判断是否对该数字和符号串进行反向继承文字符号化规则，如果是则根据反向继承文字符号化规则对该数字和符号串进行处理。

6.根据权利要求1所述的方法，其特征是，对在文字符号化处理中添加的新文字进行后处理。

7.根据权利要求1所述的方法，其特征是，所述的符号是指：非自然语言符号。

8.一种自然语言文本中数字和符号串的文字符号化处理系统，其特征是，所述的系统包括：

输入部，用于输入自然语言文本；

数字和符号串抽取部，用于逐段抽取所述自然语言文本中的数字和符号串；

模板匹配部，用于将当前数字和符号串与预存储的模板进行匹配，获得当前数字和符号串所属的模板类型；

历史信息记录部，用于记录历史数字和符号串的模板类型及相关信息；

文字符号化规则生成部，用于根据当前数字和符号串所属的模板类型以及当前数字和符号串相邻的历史数字和符号串的模板类型及相关信息对当前数字和符号串进行文字符号化处理，生成当前数字和符号串的文字符号化规则。

9.根据权利要求8所述的系统，其特征是，所述的系统还包括：

上下文语境考察部，用于对当前数字和符号串相邻的历史数字和符号串的模板类型及相关信息进行考察；

语义单元确定部，如果在当前数字和符号串相邻的历史数字和符号串的模板类型及相关信息中找到相关的上下文语境，则使当前数字和符号串与相邻的历史数字和符号串组合为一个语义单元，并生成该语义单元所对应的模板；

所述的历史信息记录部记录该语义单元所对应的数字和符号串信息。

10.根据权利要求9所述的系统，其特征是，所述的系统还包括：

语义单元标记部，用于对所述的语义单元进行应用所需的标记。

11.根据权利要求9所述的系统，其特征是，所述的上下文语境包括：模板类型、区间范围、文字符号化规则等。

12.根据权利要求8所述的系统，其特征是，所述的系统还包括：

反向继承部，用于遍历历史数字和符号串的模板类型及相关信息，如果找到未被文字符号化处理的数字和符号串，则判断是否对该数字和符号串进行反向继承文字符号化规则，如果是则根据反向继承文字符号化规则对该数字和符号串进行处理。

13.根据权利要求8所述的系统，其特征是，所述的系统还包括：

后处理部，用于对文字符号化处理中添加的新文字进行后处理。