[发明专利]分词方法和装置有效
| 申请号： | 201510303053.5 | 申请日： | 2015-06-04 |
| 公开（公告）号： | CN104881403B | 公开（公告）日： | 2018-05-04 |
| 发明（设计）人： | 李秀林 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F17/30 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙)11201 | 代理人： | 宋合成 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种分词方法和装置，上述分词方法可以包括将待合成文本发送给搜索引擎，以及对所述待合成文本进行文本预处理；获得搜索引擎根据所述待合成文本搜索获得的搜索结果，并获得所述搜索结果对应的词典或模型；根据所述搜索结果对应的词典或模型对进行文本预处理后的文本进行分词。本发明首先利用待合成文本进行搜索，获取更加匹配的分词词典或者模型，从而可以改善分词效果，进而可以改善合成语音的质量。 | ||
| 搜索关键词： | 分词 方法 装置 | ||
【主权项】：
一种分词方法，其特征在于，包括：将待合成文本发送给搜索引擎，以及对所述待合成文本进行文本预处理；获得搜索引擎根据所述待合成文本搜索获得的搜索结果，并获得所述搜索结果对应的词典或模型，其中，预先对搜索引擎抓取的网页进行聚类，对聚类后的网页的数据进行处理，并根据处理后的网页的数据生成网页的数据对应的词典或模型，并将所述网页的数据对应的词典或模型的标识存储在搜索引擎数据库中，将所述网页的数据对应的词典或模型存储在词典数据库中，其中所述词典或模型的标识为唯一标识所述词典或模型的信息，所述词典或模型的标识包括所述词典或模型的编号或索引；根据所述搜索结果对应的词典或模型，并结合通用的词典或模型对进行文本预处理后的文本进行分词；所述获得所述搜索结果对应的词典或模型包括：根据所述搜索结果在所述搜索引擎数据库中进行查找，获得所述搜索结果对应的词典或模型的标识；根据获得的标识在所述词典数据库中进行查找，获得所述获得的标识对应的词典或模型。
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百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）有限公司许可，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/201510303053.5/，转载请声明来源钻瓜专利网。
