[发明专利]从文本中识别中文商品名称的方法和装置

权利要求书

1.从文本中识别中文商品名称的方法，其特征在于，所述文本是电子商务客户在线咨询问题的文本，该方法包括：

步骤A：保存商品信息词词库，所述商品信息词包括中心词、品牌、属性、以及分隔词；

步骤B：确定文本中的句子属性信息序列，所述句子属性信息序列是所述文本中从左向右的第一个分隔词之前的序列，或者是所述文本中从左向右的第一个不属于所述商品信息词词库的词之前的序列；

步骤C：对所述句子属性信息序列依次进行粗判断和细判断；其中，所述粗判断的标准是：所述句子属性信息序列包含中心词、品牌、以及属性，或者包含中心词和一个以上属性；所述细判断的标准是：句子属性信息序列的长度大于第一预设值并且其中不属于所述商品信息词词库的词所占比例小于第二预设值；

步骤D：对于同时满足所述粗判断和细判断的句子属性信息序列，确认其为中文商品名称。

2.根据权利要求1所述的方法，其特征在于，所述步骤B之前，判断所述文本的长度是否超过设定值，并仅在判断结果为是的情况下进行所述步骤B。

3.根据权利要求2所述的方法，其特征在于，所述设定值的取值范围是[25,30]。

4.根据权利要求2所述的方法，其特征在于，所述设定值按如下步骤确定：统计指定品类商品的商品名称字数的平均长度，或者统计包含指定品类商品名称的文本的平均长度；然后将统计结果乘以一个预设系数得到所述设定值。

5.根据权利要求1所述的方法，其特征在于，所述步骤B包括：

对所述文本进行分词，在分词过程中，按照分词得到的词为所述中心词、品牌、属性、或者分隔词，或者该词不属于上述任一者，分别为该词分配第一标记至第五标记；

对分词后的所述文本从左至右遍历，在遍历到分配有第四标记的词的情况下将该词之前的序列作为所述文本中的句子属性序列，否则将所述文本中的最后一个分配到非第五标记的词及该词之前的序列作为所述文本中的句子属性序列。

6.根据权利要求1所述的方法，其特征在于，所述细判断的标准中的第一预设值的范围是[6,10]，第二预设值的范围是[0.25,0.45]。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述文本是电子商务客户的在线咨询的问题的文本。

8.从文本中识别中文商品名称的装置，其特征在于，所述文本是电子商务客户在线咨询问题的文本，该装置包括：

商品信息词词库模块，用于保存商品信息词词库，所述商品信息词包括中心词、品牌、属性、以及分隔词；

句子属性信息序列模块，用于确定文本中的句子属性信息序列，所述句子属性信息序列是所述文本中从左向右的第一个分隔词之前的序列，或者是所述文本中从左向右的第一个不属于所述商品信息词词库的词之前的序列；

判断模块，用于对所述句子属性信息序列依次进行粗判断和细判断；其中，所述粗判断的标准是：所述句子属性信息序列包含中心词、品牌、以及属性，或者包含中心词和一个以上属性；所述细判断的标准是：句子属性信息序列的长度大于第一预设值并且其中不属于所述商品信息词词库的词所占比例小于第二预设值；

输出模块，用于对于同时满足所述粗判断和细判断的句子属性信息序列，输出该句子属性信息序列。

9.根据权利要求8所述的装置，其特征在于，还包括预判断模块，用于在所述句子属性信息序列模块确定文本中的句子属性信息序列之前，判断所述文本的长度是否超过设定值，并仅在判断结果为是的情况下触发所述句子属性信息序列模块。

10.根据权利要求9所述的装置，其特征在于，所述预判断模块还用于：统计指定品类商品的商品名称字数的平均长度，或者统计包含指定品类商品名称的文本的平均长度；然后将统计结果乘以一个预设系数得到所述设定值。

11.根据权利要求8所述的装置，其特征在于，所述句子属性信息序列模块还用于：

对所述文本进行分词，在分词过程中，按照分词得到的词为所述中心词、品牌、属性、或者分隔词，或者该词不属于上述任一者，分别为该词分配第一标记至第五标记；

对分词后的所述文本从左至右遍历，在遍历到分配有第四标记的词的情况下将该词之前的序列作为所述文本中的句子属性序列，否则将所述文本中的最后一个分配到非第五标记的词及该词之前的序列作为所述文本中的句子属性序列。

12.根据权利要求8至11中任一项所述的装置，其特征在于，所述文本是电子商务客户的在线咨询的问题的文本。