申请/专利权人：珠海博维网络信息有限公司

申请日：2023-12-21

公开（公告）日：2024-04-02

公开（公告）号：CN117436445B

主分类号：G06F40/289

分类号：G06F40/289;G06F40/30;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明公开了一种粤语词组分词处理方法及系统，获取由用户输入的待处理粤语文本；根据所述待处理粤语文本，在预设的粤语分词库中匹配粤语字段作为目标粤语字句；基于所述目标粤语字句的分词顺序，对所述待处理粤语文本进行第一分词操作，获得所述待处理粤语文本的若干待测分词，并计算每一所述待测分词的待测词向量；根据分词顺序、每一所述待测分词的待测词向量和所述目标粤语字句的分词向量，计算所述待处理粤语文本的第一余弦相似度数据；其中，所述第一余弦相似度数据包括：每一分词顺序位置对应的待测词向量和分词向量的余弦相似度；根据所述第一余弦相似度数据和第一余弦相似度阈值，获得所述待处理粤语文本的分词结果。

主权项：1.一种粤语词组分词处理方法，其特征在于，包括：获取由用户输入的待处理粤语文本；根据所述待处理粤语文本，在预设的粤语分词库中匹配粤语字段作为目标粤语字句；其中，所述粤语分词库包括：若干带有分词顺序和分词向量的粤语字句；所述待处理粤语文本的字数和目标粤语字句的字数相同；基于所述目标粤语字句的分词顺序，对所述待处理粤语文本进行第一分词操作，获得所述待处理粤语文本的若干待测分词，并计算每一所述待测分词的待测词向量；其中，每一分词按照分词顺序排序；根据分词顺序、每一所述待测分词的待测词向量和所述目标粤语字句的分词向量，计算所述待处理粤语文本的第一余弦相似度数据；其中，所述第一余弦相似度数据包括：每一分词顺序位置对应的待测词向量和分词向量的余弦相似度；所述待测词向量与所述分词向量基于所述分词顺序一一对应；根据所述第一余弦相似度数据和第一余弦相似度阈值，获得所述待处理粤语文本的分词结果；其中，所述分词结果包括：第一分词结果以及第二分词结果的其中一种或多种；所述根据所述第一余弦相似度数据和第一余弦相似度阈值，获得所述待处理粤语文本的分词结果，包括：对每一分词顺序位置对应的待测词向量和分词向量的余弦相似度与第一余弦相似度阈值进行判断；若当前分词顺序位置对应的余弦相似度大于或等于第一余弦相似度阈值，则确定当前分词顺序对应的待测分词为第一分词结果；若当前分词顺序位置对应的余弦相似度小于第一余弦相似度阈值，则对当前分词顺序对应的待测分词执行第二分词操作，获得第二分词结果。

全文数据：

权利要求：

百度查询： 珠海博维网络信息有限公司 一种粤语词组分词处理方法及系统

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