一种基于限定领域的分词方法及系统
公开
摘要
本发明公开了一种基于限定领域的分词方法及系统，方法包括：对限定领域的数据进行预处理，对预处理后得到的数据中的命名实体进行识别，并抽取出数据中的实体词汇，得到命名实体识别结果；基于预处理后得到的数据计算限定领域语料中的特征信息，并根据得到的特征信息构建新词发现模型，利用新词发现模型对语料库中的新词进行识别，以获取新词数据组；利用所述命名实体识别结果及常用词词典对获取的新词数据组进行过滤，排除掉常用词汇和实体词汇，以获取并确认敏感词，并基于确认后的敏感词建立敏感词库；结合敏感词库中获取的敏感词信息和命名实体识别结果进行分词。解决了现有技术中在限定领域中分词准确性较差的技术问题。
基本信息
专利标题 ：
一种基于限定领域的分词方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114330307A
申请号 ：
CN202110483554.1
公开（公告）日 ：
2022-04-12
申请日 ：
2021-04-30
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
胡燕林闵宗茹李致纪天啸李佳张良黄亮党向磊井雅琪段运强熊颖杨云龙戴光耀
申请人 ：
国家计算机网络与信息安全管理中心
申请人地址 ：
北京市朝阳区裕民路甲3号
代理机构 ：
北京惠智天成知识产权代理事务所(特殊普通合伙)
代理人 ：
王芳
优先权 ：
CN202110483554.1
主分类号 ：
G06F40/242
IPC分类号 ：
G06F40/242 G06F40/284 G06F40/295
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F40/242
词典
法律状态
2022-04-12 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
