[发明专利]领域词典构建方法及装置

权利要求书

1.一种领域词典构建方法，其特征在于，包括：

获取原始事务语料；

对所述原始事务语料进行字符处理，获得待分词事务语料；

对所述待分词事务语料进行n-gram分词处理，得到该待分词事务语料的多个词片段；

获取各个所述词片段的统计指标值，将统计指标值大于组合阈值的词片段作为过滤后词片段；

对所述过滤后词片段进行切分处理，判断切分处理后得到的各个第一切分词是否均为完整词汇，若否，则将所述过滤后词片段作为第一领域词，以构建目标事务领域词典。

2.根据权利要求1所述的领域词典构建方法，其特征在于，所述对所述原始事务语料进行字符处理，获得待分词事务语料，包括：

将所述原始事务语料中的符号作为分隔符，应用该分隔符切分所述原始事务语料，获得所述待分词事务语料。

3.根据权利要求1所述的领域词典构建方法，其特征在于，所述获取各个所述词片段的统计指标值，包括：

获取各个所述词片段的凝固度和第一词频；

基于各个所述词片段的第二词频、在所述待分词事务语料中的位置、左邻字个数以及每个左邻字词频，得到各个所述词片段的左自由度；

基于各个所述词片段的第二词频、在所述待分词事务语料中的位置、右邻字个数以及每个右邻字词频，得到各个所述词片段的右自由度；

将各个所述词片段的凝固度、第一词频、左自由度和右自由度的总和作为各个所述词片段的统计指标值。

4.根据权利要求1所述的领域词典构建方法，其特征在于，在所述将所述过滤后词片段作为第一领域词之后，还包括：

应用所述第一领域词对所述原始事务语料进行句子切分，获得第二切分词；

对所述第二切分词和所述第一领域词进行回溯处理，将回溯处理的结果作为第二领域词，以构建目标事务领域词典。

5.一种领域词典构建装置，其特征在于，包括：

获取模块，用于获取原始事务语料；

字符处理模块，用于对所述原始事务语料进行字符处理，获得待分词事务语料；

分词处理模块，用于对所述待分词事务语料进行n-gram分词处理，得到该待分词事务语料的多个词片段；

阈值判断模块，用于获取各个所述词片段的统计指标值，将统计指标值大于组合阈值的词片段作为过滤后词片段；

第一构建模块，用于对所述过滤后词片段进行切分处理，判断切分处理后得到的各个第一切分词是否均为完整词汇，若否，则将所述过滤后词片段作为第一领域词，以构建目标事务领域词典。

6.根据权利要求5所述的领域词典构建装置，其特征在于，所述字符处理模块，包括：

字符处理单元，用于将所述原始事务语料中的符号作为分隔符，应用该分隔符切分所述原始事务语料，获得所述待分词事务语料。

7.根据权利要求5所述的领域词典构建装置，其特征在于，所述阈值判断模块，包括：

获取单元，用于获取各个所述词片段的凝固度和第一词频；

获取左自由度单元，用于基于各个所述词片段的第二词频、在所述待分词事务语料中的位置、左邻字个数以及每个左邻字词频，得到各个所述词片段的左自由度；

获取右自由度单元，用于基于各个所述词片段的第二词频、在所述待分词事务语料中的位置、右邻字个数以及每个右邻字词频，得到各个所述词片段的右自由度；

获得指标值单元，用于将各个所述词片段的凝固度、第一词频、左自由度和右自由度的总和作为各个所述词片段的统计指标值。

8.根据权利要求5所述的领域词典构建装置，其特征在于，还包括：

获得切分词模块，用于应用所述第一领域词对所述原始事务语料进行句子切分，获得第二切分词；

第二构建模块，用于对所述第二切分词和所述第一领域词进行回溯处理，将回溯处理的结果作为第二领域词，以构建目标事务领域词典。