龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：四川语言桥信息技术有限公司
摘要：本发明属于机器翻译技术领域，提供了一种基于历史文档词统计与词对齐方法的术语对提取方法、装置及介质，其中方法包括：（1）基于历史文档构建语料库；（2）每个历史文档进行分词；（3）输入文档进行分词；（4）遍历集合中的所有词；（5）得到术语集合。本发明通过历史文档作为判断依据，可以解决某些高频词并非为术语，但被识别为术语的问题，且不需要引入词性判断步骤，减少了判断误差。
主权项：1.一种基于历史文档词统计与词对齐方法的术语对提取方法，其特征在于，包括以下步骤：（1）基于历史文档构建语料库C，语料库C={D1,D2,D3,.......,Dn}，其中，Dm代表第m个历史文档,m=1，2，3,.......,n；（2）将语料库C里的每个历史文档进行分词，并将所有词进行去重，得到若干无重复词的词表，表示集合为D={w1,w2,w3,,......,wk}，wi代表第i个词，i=1，2，3,.......,k；（3）输入文档D’并将当前需要提取术语的输入文档D’进行分词，并分别统计每个词出现的词频，表示集合为D’={w1,f1,w2,f2,w3,f3,......,wg,fg}，wj，fj分别代表第j个词以及它的词频，其中，fj=wj在当前文档里出现的次数当前文档的总词数，j=1，2，3,.......,g；（4）创建一个空的集合T，遍历（3）集合中的所有词，对于任意一个词wj，执行以下步骤：（41）遍历语料库C的所有历史文档，判断wj出现在各个文档集合里的总次数，记为DFj；（42）通过DFj以及fj的值计算词wj为术语的可能性的最终得分，计算公式如下： 其中，N为语料库C的总文档数；（43）设定一个阈值x，判断Scorewj是否大于阈值x，若是，则将该词wj存入集合T中；（5）遍历完成后，得到术语集合T，即为最终对于当前需要提取术语的输入文档D’提取到的术语集合。
全文数据：
权利要求：
百度查询： 四川语言桥信息技术有限公司 一种基于历史文档词统计与词对齐方法的术语对提取方法、装置及介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号