[发明专利]一种简称提取方法及装置

权利要求书

1.一种简称提取方法，其特征在于，包括：

获取包含全称的多篇文本；其中，每篇文本包括标题和\或正文；

按照以下方式，根据所述全称在所述多篇文本中的分布，确定所述全称与所述多篇文本的相关度指数：

针对所述多篇文本中任一文本，按照以下方式，将以下至少一项作为所述全称在所述文本的正文中的各分布指标：

将所述全称在所述文本的正文中出现的总次数，作为第一指标；将出现所述全称的段落在所述文本的正文中的段落位置及在所述段落中出现的次数，作为第二指标；将出现所述全称的句子在所述文本的正文中的句子位置及所述句子的句子结构，作为第三指标；将所述全称在所述文本的正文中首次出现和最后一次出现位置之间的文本中的句子数量，作为第四指标；将所述全称在所述文本的正文中首次出现和最后一次出现位置之间的文本中包含所述全称的句子数量，作为第五指标；

针对所述多篇文本中任一文本，根据所述全称在所述文本的正文中的各分布指标，确定所述各分布指标的权重值；根据所述各分布指标的权重值，确定所述全称与所述文本的正文的相关度指数；

根据所述全称与所述多篇文本的相关度指数，从所述多篇文本中确定出多篇候选文本；

针对所述多篇候选文本中任一候选文本，根据所述候选文本的正文与第一预设句子结构，和\或根据所述候选文本的标题与所述全称的最长公共子序列，提取所述候选文本中包含的候选简称；

将所述多篇候选文本中包含的多个候选简称中满足合法性校验的候选简称，作为所述全称的简称。

2.如权利要求1所述的方法，其特征在于，按照以下方式确定所述第二指标的权重值：

针对出现所述全称的各段落中的每个段落，当所述段落的段落位置为首段或尾段时，则将所述段落的第一子权重值设置为第一预设值，否则将所述段落的第一子权重值设置为第二预设值，所述第一预设值大于所述第二预设值；根据所述全称在所述段落中出现的次数和预设增函数关系设置所述段落的第二子权重值；

根据所述各段落的第一子权重值和第二子权重值，确定所述各段落的权重值；

根据所述各段落的权重值，确定所述第二指标的权重值。

3.如权利要求1所述的方法，其特征在于，按照以下方式确定所述第三指标的权重值：

针对出现所述全称的各句子中的每个句子，当所述句子的句子位置为段落的首句或段落的尾句时，则将所述句子的第一子权重值设置为第三预设值，否则将所述句子的第一子权重值设置为第四预设值，所述第三预设值大于所述第四预设值；当所述句子的句子结构为第二预设句子结构时，则将所述句子的第二子权重值设置为第五预设值，否则将所述句子的第二子权重值设置为第六预设值，所述第五预设值小于所述第六预设值；

根据所述各句子的第一子权重值和第二子权重值，确定所述各句子的权重值；

根据所述各句子的权重值，确定所述第三指标的权重值。

4.如权利要求1所述的方法，其特征在于，所述根据所述各分布指标的权重值，确定所述全称与所述文本的正文的相关度指数，包括：

按照以下公式，确定所述全称与所述文本的正文的相关度指数：

其中，X₁为所述第一指标的权重值；X_2i为出现所述全称的段落对于所述第二指标的段落权重值，M为所述文本的段落数；X_3j为出现所述全称的句子对于所述第三指标的句子权重值，N为所述文本的句子数；X₄为所述第四指标的权重值；X₅为所述第五指标的权重值；S为所述全称与所述文本的正文的相关度指数。

5.如权利要求1所述的方法，其特征在于，所述根据所述候选文本的标题与所述全称的最长公共子序列，提取所述候选文本中包含的候选简称；包括：

若所述候选文本的标题与所述全称的最长公共子序列为所述候选文本的标题的子串，则将所述最长公共子序列作为候选子串；

若所述候选子串在所述多篇候选文本的标题中的频次大于预设频次阈值，则将所述候选子串作为所述候选文本中包括的候选简称。