[发明专利]人名单元词典扩充方法、人名语言识别方法和装置

权利要求书

1.一种人名单元词典扩充方法，包括：

词项初始权重计算步骤，基于每个词项所出现的人名单元词典的数量，计算各个词项在预定多个语言的人名单元词典中的初始权重；

人名单元匹配步骤，将作为训练样本的多个人名中的每个人名划分为人名单元，将所划分的人名单元与所述预定多个语言的人名单元词典中的词项进行匹配，并将匹配的人名单元确定为匹配人名单元，将未匹配的人名单元确定为未匹配人名单元；

人名权重计算步骤，根据所述匹配人名单元在所述预定多个语言的人名单元词典中的权重来确定包含所述匹配人名单元的人名在各个人名单元词典中的权重；

未匹配人名单元处理步骤，根据包含所述未匹配人名单元的所有人名在各个人名单元词典中的权重，计算所述未匹配人名单元在各个人名单元词典中的权重，并将所述未匹配人名单元作为词项添加到包含所述未匹配人名单元的所有人名中的匹配人名单元所在的人名单元词典中；

匹配人名单元权重更新步骤，根据包含所述匹配人名单元的所有人名在各个人名单元词典中的权重，更新所述匹配人名单元在所述各个人名单元词典中的权重；以及

重复执行所述人名单元匹配步骤、所述人名权重计算步骤、所述未匹配人名单元处理步骤和所述匹配人名单元权重更新步骤中的处理，直至所述预定多个语言的人名单元词典中的所有词项的权重变化小于预定阈值为止，从而得到所有词项均具有权重标注的人名单元词典。

2.根据权利要求1所述的方法，还包括：

归一化步骤，对在所述人名权重计算步骤中算出的人名在各个人名单元词典中的权重进行归一化，

其中，在所述未匹配人名单元处理步骤和所述匹配人名单元权重更新步骤中，利用归一化后的人名的权重进行相应计算。

3.一种人名语言识别方法，包括：

人名划分步骤，将输入的人名划分为n元子字符串，其中，所述n元子字符串表示包括所述人名中的连续n个字符的单元，n是大于或等于2的整数；

n元子字符串权重计算步骤，根据包含各个n元子字符串的所有词项在根据权利要求1或2所述的带权重标注的人名单元词典中的权重来计算各个n元子字符串在各个人名单元词典中的权重；以及

识别步骤，根据所述人名中的所有n元子字符串在各个人名单元词典中的权重，识别所述人名所属的语言。

4.根据权利要求3所述的方法，还包括：

排序步骤，根据各个n元子字符串在各个人名单元词典中的权重，确定各个n元子字符串在各个人名单元词典中的排序，

其中，在所述识别步骤中，根据所述人名中的所有n元子字符串在各个人名单元词典中的排序来识别所述人名所属的语言。

5.根据权利要求4所述的方法，其中，在所述排序步骤中，根据所述n元子字符串在各个人名单元词典中的权重的降序来确定所述n元子字符串在各个人名单元词典中的排序，

并且其中，在所述识别步骤中，计算所述人名中的所有n元子字符串在各个人名单元词典中的排序的和，并将与最小的和对应的人名单元词典表示的语言确定为所述人名所属的语言。

6.一种人名语言识别装置，包括：

人名划分单元，被配置成将输入的人名划分为n元子字符串，其中，所述n元子字符串表示包括所述人名中的连续n个字符的单元，n是大于或等于2的整数；

n元子字符串权重计算单元，被配置成根据包含各个n元子字符串的所有词项在根据权利要求1或2所述的带权重标注的人名单元词典中的权重来计算各个n元子字符串在各个人名单元词典中的权重；以及

识别单元，被配置成根据所述人名中的所有n元子字符串在各个人名单元词典中的权重，识别所述人名所属的语言。

7.根据权利要求6所述的装置，还包括：

排序单元，被配置成根据各个n元子字符串在各个人名单元词典中的权重，确定各个n元子字符串在各个人名单元词典中的排序，

其中，所述识别单元进一步根据所述人名中的所有n元子字符串在各个人名单元词典中的排序来识别所述人名所属的语言。

8.根据权利要求7所述的装置，其中，所述排序单元进一步根据所述n元子字符串在各个人名单元词典中的权重的降序来确定所述n元子字符串在各个人名单元词典中的排序，

并且其中，所述识别单元进一步计算所述人名中的所有n元子字符串在各个人名单元词典中的排序的和，并将与最小的和对应的人名单元词典表示的语言确定为所述人名所属的语言。