[发明专利]一种基于中医古籍文献的短语挖掘方法和系统

摘要

本发明提供基于中医古籍文献的短语挖掘方法及系统，所述挖掘方法将短语挖掘技术、面向中医古籍文献的分词方法和语言知识库相结合，通过添加中医古文的停用词表以及高质量短语并使用面向中医古籍文献的分词方法进行分词，再利用分词后的文件和词映射生成的映射文件进行两次词性引导的短语分隔，保存模型和结果，并根据模型结果生成短语挖掘结果并回标。本发明基于远程监督方法，不需要人工标注语料，也不需要人工设计提取特征，只需要利用现有的公共知识库，节省了人力物力；从大量中医古文文献中提取高质量短语，只需进行有限的浅层语言分析，易操作，效率更高；同时，更加全面的利用古籍文献，从而对中医古籍文献中的短语进行高效、智能的挖掘。

主权项

1.一种基于中医古籍文献的短语挖掘方法，其特征在于，所述方法包括如下步骤：步骤S1，在现有的语言知识库基础上添加中医古文的停用词表和高质量短语，建立包含中医古文的新语言知识库；步骤S2，对中医古籍文献原始输入语料进行分词和词性标注，并将分词后的词和词性标签进行词映射并输出词映射文件；步骤S3，读入所述停用词表和高质量短语，同时读入所述词映射文件，根据词映射文件对所述高质量短语进行词映射及对停用词表进行转化，输出转化后的停用词表和高质量短语词表,以及新加了词映射的词映射文件；步骤S4，基于所述分词后的词和所述词映射文件，进行两次词性引导的短语分隔；步骤S5，根据所述短语分隔生成模型，并保存短语分隔结果和模型，根据模型生成短语挖掘的单词和多词的质量结果；保存所述质量结果，并根据词映射文件生成短语挖掘结果；步骤S6，根据短语挖掘结果，将挖掘出的短语按质量评分的阈值回标到原始输入语料中。