[发明专利]识别文本题材的方法和装置

权利要求书

1.一种识别文本题材的方法，其特征在于，所述方法包括：

接收待识别文本；

根据预存的题材信息集合中的题材信息的原始题材文本和题材切分文本，在所述题材信息集合中匹配与所述待识别文本对应的题材信息，其中，所述题材信息包括以下信息：原始题材文本、与所述原始题材文本相关联的题材切分文本，所述题材切分文本通过对所述原始题材文本进行切分后获得；

根据匹配结果识别出所述待识别文本的题材。

2.根据权利要求1所述的方法，其特征在于，所述根据预存的题材信息集合中的题材信息的原始题材文本和题材切分文本，在所述题材集合中匹配与所述待识别文本对应的题材信息，包括：

将所述待识别文本与所述题材信息集合中的各个题材信息的原始题材文本进行匹配；

如果匹配到原始题材文本，则将匹配到的原始题材文本对应的题材信息作为所述与所述待识别文本对应的题材信息；

如果没有匹配到原始题材文本，则将所述待识别文本与所述题材信息集合中的各个题材信息的题材切分文本进行匹配；

如果匹配到题材切分文本，则将与匹配到的题材切分文本信息对应的题材信息作为所述待识别文本对应的题材信息。

3.根据权利要求2所述的方法，其特征在于，所述将所述待识别文本与所述题材信息集合中的各个题材信息的原始题材文本进行匹配，包括：

通过最大匹配算法将所述待识别文本与所述题材信息集合中的各个题材信息的原始题材文本进行匹配。

4.根据权利要求2所述的方法，其特征在于，所述将所述待识别文本与所述题材信息集合中的各个题材信息的题材切分文本进行匹配，包括：

根据各个题材切分文本中的字符以及字符间的前后关系，将所述待识别文本与各个题材切分文本进行匹配。

5.根据权利要求1-4任一所述的方法，其特征在于，在接收待识别文本之前，所述方法还包括：

根据预先收集的原始题材文本集合构建N-Gram模型，得到所述原始题材文本集合中的各个原始题材文本对应的至少一个题材切分文本；

在每个原始题材文本对应的至少一个题材切分文本中选择一个题材切分文本作为与原始题材文本相关联的题材切分文本；

将各个原始题材文本对应的题材信息加入所述题材信息集合中，其中，所述题材信息包括以下信息：原始题材文本、与所述原始题材文本相关联的题材切分文本。

6.根据权利要求5所述的方法，其特征在于，所述在每个原始题材文本对应的至少一个题材切分文本中选择一个题材切分文本作为与原始题材文本相关联的题材切分文本，包括：

根据预先收集的基准文本集合、各个原始题材文本和所述各个原始题材文本对应的至少一个题材切分文本，得到各个原始题材文本对应的各个题材切分文本的权重；

针对每一个原始题材文本，将所述原始题材文本对应的各个题材切分文本中权重最高的题材切分文本作为与所述原始题材文本相关联的题材切分文本。

7.根据权利要求6所述的方法，其特征在于，所述根据预先收集的基准文本集合、各个原始题材文本和所述各个原始题材文本对应的至少一个题材切分文本，得到各个原始题材文本对应的各个题材切分文本的权重，包括：

获取各个原始题材文本以及各个题材切分文本在所述基准文本集合中出现的频次；

针对每个原始题材文本，将所述原始题材文本对应的各个题材切分文本的所述频次与所述原始题材文本的所述频次的比值分别作为各个题材切分文本的权重。

8.一种识别文本题材的装置，其特征在于，所述装置包括：

待识别文本接收单元，用于接收待识别文本；

题材信息匹配单元，用于根据预存的题材信息集合中的题材信息的原始题材文本和题材切分文本，在所述题材信息集合中匹配与所述待识别文本对应的题材信息，其中，所述题材信息包括以下信息：原始题材文本、与所述原始题材文本相关联的题材切分文本，所述题材切分文本通过对所述原始题材文本进行切分后获得；

文本题材识别单元，用于根据匹配结果识别出所述待识别文本的题材。