[发明专利]一种用于电力95598工单的领域术语识别系统及方法

权利要求书

1.一种用于电力95598工单的领域术语识别系统，其特征在于：包括

文本获取模块，用于从电力95598工单系统中获取电力95598工单文本；

文本预处理模块，对电力95598工单文本分句，并根据背景语料库包含的词语对电力95598工单文本分词；

候选串抽取模块，将分词后的分句文本根据术语钩词规则抽取候选串及候选串上、下文；

内部统计分析模块，生成各个候选串上、下文的特征向量；

领域特征分析模块，根据背景语料库，计算各个候选串中各个术语部件的领域相关度；

第一术语筛选模块，采用评分公式，计算候选串的成词评分，选取大于预设阈值T1的候选串作为候选术语；

人工审核模块，用户标注候选术语是否为正确术语；

术语特征样本库，用于保存候选术语和垃圾串的相关特征；

术语特征样本库识别模块，用于判断术语特征样本库是否为空；

第二术语筛选模块，采用有监督学习算法，根据候选串的特征选取候选术语；

启发式推荐模块，根据用户标注的正确术语，识别上、下文相关的术语，作为该正确术语的变体提供给用户确认；

所述文本获取模块通过文本预处理模块与候选串抽取模块相连接，所述候选串抽取模块分别通过内部统计分析模块、领域特征分析模块与术语特征样本库识别模块相连接，所述术语特征样本库识别模块分别通过第一术语筛选模块、第二术语筛选模块与人工审核模块相连接，所述人工审核模块通过术语特征样本库与第二术语筛选模块相连接，所述人工审核模块还与启发式推荐模块相连接；

若术语特征样本库为空，则使用第一术语筛选模块获取候选术语；若术语特征样本库不为空，则使用第二术语筛选模块获取候选术语。

2.根据权利要求1所述的用于电力95598工单的领域术语识别系统，其特征在于：所述候选串抽取模块，根据术语钩词规则抽取候选串及候选串上、下文，所述术语钩词规则，具体如下，

(1)候选串是经过文本预处理模块处理后的，以汉字为开始或结束的连续分词单位串；或者是经过文本预处理模块处理后的由英文字母、数字、连字符中任意两种或两种以上组成的连续分词单位串；

(2)若候选串含有单字分词碎片，则候选串长度为2-4个分词单位且含有至少一个长度为1的分词单位；否则，候选串长度为2-3个分词单位，且最后一个词为名词或动词；

(3)候选串不含有停用词和标点符号；

(4)候选串上、下文包含候选串在句子中的前后2个词。