[发明专利]一种建立大型中文语料库的方法无效
| 申请号： | 200910234737.9 | 申请日： | 2009-11-17 |
| 公开（公告）号： | CN102063440A | 公开（公告）日： | 2011-05-18 |
| 发明（设计）人： | 潘文林;周连惠 | 申请（专利权）人： | 周连惠 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/28 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 215600 江苏省张家港市国泰北路一号留学*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种建立大型中文语料库的方法。其特征是把汉语的4000个常用字进行组合，产生1600万左右的2字词，通过大型计算机对这些2字组合进行排序，并进行切分，删掉与目前语料库里重复的2字词和“垃圾词”，保留有可能成为词的“准2字词”。同样把目前所有的2字词与4000字进行“字+2字词”和“2字词+字”的组合，产生“3字组合”；还有进行“2字词+2字词”，“3字词(语料库所有的)+字”和“字+3字词”，产生“4字组合”。对上述的3字和4字组合，通过大型计算机进行排序，切分，删掉与目前语料库里重复的3、4字词和“垃圾词”，保留有可能成为词的“准3、4字词”；最后对这些准字词进行人工筛选，产生“生语料库”；本发明为计算机自动提取汉语新词语的奠定了基础。 | ||
| 搜索关键词： | 一种 建立 大型 中文 语料库 方法 | ||
【主权项】：
一种建立大型中文语料库的方法，根据国家的1、2级常用汉字，挑选出4000个的汉字，其特征在于对选定的汉字进行“汉字+汉字”的组合，结果是1600万个的“2字组合”。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于周连惠，未经周连惠许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/200910234737.9/，转载请声明来源钻瓜专利网。
- 上一篇：印制线路板
- 下一篇：图像形成装置和该装置的消耗品接近用尽状态警告方法
