[发明专利]一种确定搭配词与中心词搭配程度的方法和系统

说明书

技术领域

本发明涉及网络技术领域，尤其涉及一种确定搭配词与中心词搭配程度的方法和系统。

背景技术

随着网络技术的不断普及，网络已经融入了人们日常工作和生活的各个方面。网络的普及使得信息量不断地膨胀。在信息获取过程中，对某个词的理解很大程度上受到与这个词经常搭配的词的影响。本申请实施例中，为方便起见，将某个词叫做中心词，与中心词搭配出现的词叫搭配词。

发明人通过对现有技术的研究发现，随着信息量的增加，面对庞杂纷繁的信息，目前的技术无法从众多与中心词搭配出现的词中准确地确定与中心词搭配最紧密的搭配词。

发明内容

有鉴于此，本发明实施例的目的是提供一种确定搭配词与中心词搭配程度的方法和系统，实现从众多与中心词搭配出现的词中准确地确定与中心词搭配最紧密的搭配词。

为实现上述目的，本发明实施例提供了如下技术方案：

一种确定搭配词与中心词搭配程度的方法，包括：

获取语料，确定中心词，并确定与中心词对应的搭配词集合；

统计搭配词集合中的各个搭配词在语料中的出现次数；

统计搭配词集合中的各个搭配词与中心词在语料中搭配出现的次数；

利用搭配词与中心词在语料中搭配出现的次数与搭配词在语料中的出现次数来计算各个搭配词与中心词的搭配度；

结合所述搭配度确定各个搭配词与中心词的搭配程度。

利用搭配词与中心词在语料中搭配出现的次数与搭配词在语料中出现的总次数来计算各个搭配词与中心词的搭配度包括：

利用搭配词与中心词在语料中搭配出现的次数除以搭配词在语料中的出现次数计算各个搭配词与中心词的搭配度。

在获取语料，并确定中心词之后，计算各个搭配词与中心词的搭配度之前，还包括：

统计语料中的总词数；

计算各个搭配词与中心词的搭配度具体为：

利用搭配词与中心词在语料中搭配出现的次数、搭配词在语料中的出现次数以及语料中的总词数来计算各个搭配词与中心词的搭配度。

利用搭配词与中心词在语料中搭配出现的次数、搭配词在语料中出现的总次数以及语料中的总词数来计算各个搭配词与中心词的搭配度具体为：

按照如下公式计算各个搭配词与中心词的搭配度：

(i)term_i×log(allcnt÷document_i);]]>

其中，f(i)表示某中心词与搭配词i的搭配度；trem_i表示搭配词i与中心词在语料中搭配出现的次数；document_i表示搭配词i在整个语料当中所出现的次数；allcnt表示语料中的总词数。

上述方法还包括：

根据搭配程度向用户提供中心词的搭配词。

一种确定搭配词与中心词搭配程度的系统，包括：

预处理单元，用于获取语料，确定中心词，并确定与中心词对应的搭配词集合；

第一统计单元，用于统计搭配词集合中的各个搭配词在语料中的出现次数；

第二统计单元，用于统计搭配词集合中的各个搭配词与中心词在语料中搭配出现的次数；

计算单元，用于利用搭配词与中心词在语料中搭配出现的次数与搭配词在语料中出现的总次数来计算各个搭配词与中心词的搭配度；

第二确定单元，结合所述搭配度确定各个搭配词与中心词的搭配程度。

所述计算单元包括：

第一获取子单元，用于从所述第一统计单元获取搭配词集合中的各个搭配词在语料中的出现次数；

第二获取子单元，用于从所述第二统计单元获取搭配词集合中的各个搭配词与中心词在语料中搭配出现的次数；

第一计算子单元，用于利用搭配词与中心词在语料中搭配出现的次数除以搭配词在语料中的出现次数计算各个搭配词与中心词的搭配度。

上述系统还包括：

第三统计单元，用于统计语料中的总词数；

所述计算单元还包括：