申请/专利权人：中国科学院计算技术研究所

申请日：2020-09-16

公开（公告）日：2021-02-26

公开（公告）号：CN112417823A

主分类号：G06F40/166(20200101)

分类号：G06F40/166(20200101);G06F40/284(20200101);G06F40/211(20200101);G06F40/237(20200101);G06F40/253(20200101)

优先权：

专利状态码：有效-授权

法律状态：2023.08.29#授权;2021.03.16#实质审查的生效;2021.02.26#公开

摘要：本发明提出一种中文文本语序调整和量词补全方法、系统，包括：将中文语料库中的词序列输入至N元语言模型，得到中文语料库的N元词表，对中文语料库中语料进行量词标注形成量词表，删除中文语料库中被标注的量词后与该中文语料库形成平行语料库，以平行语料库作为训练数据，训练双向长短期记忆模型得到量词补全模型；对待调整的中文文本进行词性标注，按照语序调整规则对中文文本中语句结构和顺序进行调整，形成由多个新文本构成的文本调序候选集，利用N元词表在文本调序候选集进行集束搜索，依据概率选择词语，生成基于中文语料库的概率最大的语句作为文本调序结果，通过量词补全模型对文本调序结果中量词缺失的位置进行定位和填补。

主权项：1.一种中文文本语序调整和量词补全方法，其特征在于，包括：步骤1、将中文语料库中的N元词序列输入至N元语言模型，得到该中文语料库的N元词表，对该中文语料库中语料进行量词标注，标注的量词形成量词表，删除该中文语料库中被标注的量词，得到中间语料库，集合该中间语料库与该中文语料库形成平行语料库，以该平行语料库作为训练数据，训练双向长短期记忆模型得到量词补全模型；步骤2、对待调整的中文文本进行词性标注，按照语序调整规则对该中文文本中语句结构和顺序进行调整，形成由多个新文本构成的文本调序候选集，利用该N元词表在文本调序候选集进行集束搜索，依据概率选择词语，生成基于中文语料库的概率最大的语句作为文本调序结果，并通过该量词补全模型对该文本调序结果中量词缺失的位置进行定位和填补，得到该中文文本的校准结果。

全文数据：

权利要求：

百度查询： 中国科学院计算技术研究所 一种中文文本语序调整和量词补全方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD