申请/专利权人：京东方科技集团股份有限公司

申请日：2019-12-05

公开（公告）日：2024-05-17

公开（公告）号：CN110991168B

主分类号：G06F40/247

分类号：G06F40/247;G06F40/295;G06F16/35;G06F16/335

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2020.05.05#实质审查的生效;2020.04.10#公开

摘要：一种同义词挖掘方法、同义词挖掘装置及存储介质。该同义词挖掘方法包括：对输入的语料数据进行识别处理，以得到至少一个类别的命名实体集合；对每个类别的命名实体集合进行聚类处理，以得到每个类别对应的同义词候选集合；以及，基于词形相似度和上下文相似度，对每个类别对应的同义词候选集合进行过滤处理，以得到每个类别对应的同义词集合。该同义词挖掘方法可以基于词形相似度和上下文相似度，对聚类处理得到的同义词候选集合进行过滤处理，从而可以提升得到的同义词集合的纯度，进一步地，基于挖掘的同义词集合可以构建同义词词典，将其应用于自然语言处理领域时，可以提高知识点过滤、关键词提取、文本分类、语义聚类等任务的准确性。

主权项：1.一种同义词挖掘方法，包括：对输入的语料数据进行识别处理，以得到至少一个类别的命名实体集合；对每个类别的所述命名实体集合进行聚类处理，以得到每个类别对应的同义词候选集合；以及基于词形相似度和上下文相似度，对每个类别对应的所述同义词候选集合进行过滤处理，以得到每个类别对应的同义词集合，其中，所述同义词候选集合包括多个同义词候选簇，每个所述同义词候选簇包括多个命名实体；其中，对所述同义词候选集合进行所述过滤处理，包括：对于每个所述同义词候选簇：对所述同义词候选簇中的所述多个命名实体进行随机排序，得到排序后的候选簇集合{ei}，其中，ei表示第i个命名实体，i为整数且1≤i≤K，K为所述同义词候选簇中的所述命名实体的数量；将第1个命名实体e1作为第1个子簇；以及判断第m个命名实体em能否加入现有的n个子簇之一，若所述第m个命名实体em能够加入某一现有的子簇，则将所述第m个命名实体em加入该现有的子簇，若所述第m个命名实体em不能加入任一现有的子簇，则将所述第m个命名实体em作为1个新的子簇，其中，m依次取值2,3,…,K，n为判断所述第m个命名实体之时现有的子簇的数量；其中，判断所述第m个命名实体em能否加入所述现有的n个子簇之一，包括：计算所述第m个命名实体em与现有的第j个子簇中的各个命名实体的词形相似度和上下文相似度，其中，j依次取值1,2,…,n，若所述现有的第j个子簇中与所述第m个命名实体em的词形相似度和上下文相似度满足预定关系的命名实体的占比达到预定比例阈值，则所述第m个命名实体em能够加入所述第j个子簇，否则，所述第m个命名实体em不能加入所述第j个子簇。

全文数据：

权利要求：

百度查询： 京东方科技集团股份有限公司 同义词挖掘方法、同义词挖掘装置及存储介质

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