CN103544167A - 一种基于中文检索的逆向分词方法及装置 - Google Patents

一种基于中文检索的逆向分词方法及装置 Download PDF

Info

Publication number
CN103544167A
CN103544167A CN201210241365.4A CN201210241365A CN103544167A CN 103544167 A CN103544167 A CN 103544167A CN 201210241365 A CN201210241365 A CN 201210241365A CN 103544167 A CN103544167 A CN 103544167A
Authority
CN
China
Prior art keywords
retrieval
full
information acquisition
participle
web
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201210241365.4A
Other languages
English (en)
Inventor
刘迎春
魏华峰
方筠捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JIANGSU XINRUIFENG INFORMATION TECHNOLOGY Co Ltd
Original Assignee
JIANGSU XINRUIFENG INFORMATION TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by JIANGSU XINRUIFENG INFORMATION TECHNOLOGY Co Ltd filed Critical JIANGSU XINRUIFENG INFORMATION TECHNOLOGY Co Ltd
Priority to CN201210241365.4A priority Critical patent/CN103544167A/zh
Publication of CN103544167A publication Critical patent/CN103544167A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)

Abstract

本发明提供一种基于中文检索的逆向分词方法及装置，涉及计算机网络中网页文字信息处理领域。本发明在机器词典库中建立专业类词库，首先根据词库中的专有名词的最大长度来确定MAX_Length的值，并通过逆向最大匹配算法结合的方式来构成逆向匹配算法，针对逆向的匹配过程中的分词歧义和匹配不全问题，对最大长度的匹配算法提出改进。通过由中央处理器、输入输出设备、寄存器、机器词典、窗口计数器、存储器组成的装置对中文字串S=C1C2C3C4…Cn进行分词，能够比较准确地切分中文字串而不丢失其语义，尤其在句子长度较长时分词结果比较准确，有利于提高查询的准确度，可应用于信息检索领域的自动文摘和自动分类系统。

Description

一种基于中文检索的逆向分词方法及装置
技术领域
本发明涉及计算机网络中网页文字信息处理领域，特别涉及搜索引擎中的中文网页检索的方法和装置。 
背景技术
随着互联网的不断发展，Web页面数量急剧大幅增加，网页已经成为人们最为巨大和广泛的信息来源。许多有用的信息淹没在浩如烟海的Web页面中，面对海量信息，人们已经不能简单地靠人工来处理所有的信息。文本的搜索是大规模信息处理领域重要的应用技术之一，也是信息处理领域的重要研究方向。随着对文本的分类搜索技术研究的深入，文本的搜索技术在信息技术的应用越来越广泛。而分词技术是任何一个搜索引擎的“灵魂”，能否将检索请求中的关键字通过正确的理解从句子中正确切分出来并进行匹配查找，是一个搜索引擎能否得到正确结果的关键过程。分词的准确与否会直接影响到检索结果的正确率。现行常用的分词技术有单字分词法、二分法和最大长度匹配算法。 
（1）单字分词法 
单字分词法是以单个字作为单元进行切分，把文本的每一个字切分出来，然后按照这种方式来建立索引。例如“中华人民共和国”使用单字分词法进行分词时，切分出来的词为：“中”、“华”、“人”、“民”、“共”、“和”、“国”。可见，单字分词法实现比较简单，但切分出来的词没有意义，丧失了文本原有的语义。
（2）二分法 
二分法以两个字作为一个单元进行切分，把文本中相邻两个字切分出来，然后按照这种方式建立索引。例如“中华人民共和国”使用二分法进行分词，切分出来的词为：“中华”、“华人”、“人民”、“民共”、“共和”、“和国”。与单字分词法相比，虽然二分法在处理字词位置方面要好，但这种方法切分出很多无用词条，从而产生索引冗余。
（3）最大长度匹配算法 
目前比较常用的分词算法是最大匹配法(又称MM法)。MM法是一种应用广泛的分词方法，在其分词过程中，它只使用一个分词词库。MM法的基本思想如下：设词典中最长的词为K个字，则每次均从句子开始位置起取一个长度为K的字串，依次将它与词库中的词匹配，若词库中确有这样一个字长为K的词，则成功匹配，就把这个字串作为一个词从句子切分出去。接着找到句子剩余部分的起始位置，依上法同样取另一个字长为K的字串，重复以上方法，直到把句子切分完为止。当词库中找不到一个匹配当前字串的词条，则应删掉该字串尾部一个字，另生成一个K-1字长的字串，再到词库中查询。如成功匹配，把该字长为K-1的字串作为一个词，从句子中切分出去；如匹配失败，重复以上步骤，把该K-1字长的字串尾部再删去一个字，生成一个K-2的字串去词库中匹配，直到成功匹配。
假设一个需要进行切分的字符串：C1C2C3C4…Cn，其中Ci(i=1，2，3，…，n)代表单个汉字字符，字典中最长的词字长为i，以i字长进行第一次切分，如成功匹配，结果如下： 
S=S1+S2，S1=｛C1…Ci｝，S2=｛Ci+1…Cn｝
如匹配失败，则以i-1字长进行再一次匹配，如匹配成功，则其结果如下：
S=S1+S2，S1=｛C1…Ci-1｝，S2=｛Ci…Cn｝
以此类推，将S1切分出来后，再同样递归处理S2。
最大匹配算法的特点是“长词优先”，与普通匹配相比，可以很好地提高检索速率。与正向最大长度匹配算法的取词与步骤相同，只是从字符串的最后一个自开始向前取词匹配，这种匹配算法叫做逆向最大长度匹配算法，即RMM。RMM匹配方式现阶段也越来越受到人们在设计分词方式时的青睐，因其在一些特殊检索中的分词可以达到更为精确的目的。 
在普通最大长度匹配算法中，无论是正向还是逆向，都是在开始的局部范围内的最大匹配，即每个句子的前M个字符或者后M个字符进行匹配。在短句当中，这样的匹配方式还可以很好地解决问题，但是如果待匹配的句子长度远远大于最大匹配词的长度，那么这种匹配方式的弊端就显而易见了，只是局部的匹配不能完全囊括整个句子，使得在句子中间的词汇没有匹配成功，从而造成检索中的漏词和检索不完全。 
发明内容
垂直搜索引擎是针对某一行业或组织，以构筑某行业或组织的网络信息资源库为目标来满足行业专业需求或者组织某项业务需求，智能地在互联网上搜集符合某一专题需要的信息资源，是通用搜索引擎的细化和延伸，它对网页库中的某类专业信息进行整合，分字段抽取出用户需要的数据，处理后以某种形式返回给用户。能够为包括学科信息门户、专业信息机构、特定行业领域、公司信息中心、行业专家等等在内的信息用户，提供整套的网络信息资源开发方案。由此可见，垂直搜索引擎是更有针对性的搜索引擎，它只搜索特定主题的信息。 
本发明针对单独的逆向最大匹配算法存在的问题，在搜索系统尤其是垂直搜索系统中，充分利用专业类环境，在机器词典库中建立专业类词库，首先根据词库中的专有名词的最大长度来确定MAX_Length的值，解决了匹配算法中盲目选择最大长度的问题，并通过逆向最大匹配算法结合的方式来构成逆向匹配算法，从很大程度上提高检索的精确度。在这里，针对逆向的匹配过程中的分词歧义和匹配不全问题，对最大长度的匹配算法提出改进，提出“窗口”匹配的思想来进一步提升分词匹配效果。 
原始的RMM算法中，其匹配方式和正向匹配方式基本相同，只是在匹配行进的方向上互逆，这一点不同已经可以在匹配过程中形成较大的结果差异。而在改进的匹配算法中，由于窗口的加入，逆向匹配方式的一个难点就是窗口起点的定位和挪动方向的控制，这也是与正向匹配方式相比较下的重要差别之一。 
本发明所提出的一种基于中文检索的逆向分词方法，通过由中央处理器、输入输出设备、寄存器、机器词典、窗口计数器、存储器组成的装置对中文字串S=C1C2C3C4…Cn进行分词，包括以下步骤： 
(1)中央处理器从输入输出设备读入中文字串S=C1C2C3C4…Cn，放入寄存器中,如果n的值小于等于1，则分词匹配结束，分词结果保存在存储器中，直接转到步骤（7）；当n＞1时，转到步骤（2）；
(2) 中央处理器从机器词典中查找最大长度匹配词的值M=MAX_Length，窗口计数器的起始位置为待匹配句子的最后一个字，记为n-P，其中P=0；
(3) 若n-P小于0，则匹配结束，直接转到步骤（7），当P大于等于M且M大于等于1时，则从n-P的位置开始向前截取长度为M的子串进行匹配，若匹配不成功则转到步骤（4）；若匹配成功则转到步骤（5）；当P小于M且M大于等于1时转到步骤（6）;当M小于1时转到步骤（7）;
(4) p=p+1，转到步骤（3）;
(5)将匹配成功的分词取出，存入存储器，P=P+M，转到步骤（3）；
(6) M值减1，P=0，转到步骤（3）；
(7)将保存在存储器中的分词结果通过输入输出设备输出。
一种基于中文检索的逆向分词方法的具体流程如图1所示。 
本发明所提出的一种基于中文检索的逆向分词装置，由中央处理器、输入输出设备、寄存器、机器词典、窗口计数器、存储器组成，对中文字串S=C1C2C3C4…Cn进行分词包括以下步骤： 
(1)中央处理器从输入输出设备读入中文字串S=C1C2C3C4…Cn，放入寄存器中,如果n的值小于等于1，则分词匹配结束，分词结果保存在存储器中，直接转到步骤（7）；当n＞1时，转到步骤（2）；
(2) 中央处理器从机器词典中查找最大长度匹配词的值M=MAX_Length，窗口计数器的起始位置为待匹配句子的最后一个字，记为n-P，其中P=0；
(3) 若n-P小于0，则匹配结束，直接转到步骤（7），当P大于等于M且M大于等于1时，则从n-P的位置开始向前截取长度为M的子串进行匹配，若匹配不成功则转到步骤（4）；若匹配成功则转到步骤（5）；当P小于M且M大于等于1时转到步骤（6）;当M小于1时转到步骤（7）;
(4) p=p+1，转到步骤（3）;
(5)将匹配成功的分词取出，存入存储器，P=P+M，转到步骤（3）；
(6) M值减1，P=0，转到步骤（3）；
(7)将保存在存储器中的分词结果通过输入输出设备输出。
说明书附图
图1是本发明一种基于中文检索的逆向分词方法的具体流程图；
图2是在本发明基础上构建的Web全文检索中间件架构模型；
图3是由图2所示Web全文检索中间件构建的文档搜索系统架构模型。
具体实施方式
下面以句子“重点加强天然气运输工程管理”的分词结果为具体例子来说明改进后的逆向最大长度匹配在分词中的改进效果。用普通的逆向最大长度匹配算法进行分词以后可以得到的结果为“重点／加强／天然气／运输／工程／管理”。而在气田地面工程设计中，“天然气运输工程”本身作为一个专业词汇，是石油行业研究的重点。若将这一个词切分成“天然气／运输／工程”来分别匹配，即不能达到满足用户期望的检索结果的目的。显然在这个时候，即使用普通逆向最大长度匹配算法，都不能做出最好的分词结果。那么采用“窗口”匹配方式，当M_Length值M取值为7，且窗口位置为j=4时，因机器词典库中含有该专有名词并做相应正确匹配，可正确切分出“天然气运输工程”，得出分词结果“重点／加强／天然气运输工程／管理”。在这里可以看出，改进的逆向最大长度匹配算法可以遵从“长词优先”的要求，并针对石油行业的专业要求进行切分，从而得出正确的分词结果，提高查询的准确度。 
在具体实施过程中，本发明还可以应用于信息检索领域，构建出以下一种Web全文检索中间件和一种文档搜索系统。 
图2给出了Web全文检索中间件的架构模型。整个中间件由信息采集模块、信息处理模块和全文检索模块组成。各个模块的简要描述如下。 
1)信息采集模块。该模块主要是负责对Web网页进行多线程抓取并对抓取所得到的URL进行去重处理。在该模块中，采集接口面向Web网站，只需给定抓取的起始URL，即可通过宽度优先搜索策略完成整个站点所有网页的抓取。 
2)信息处理模块。该模块包含两个主要内容，先对采集到的网页内容进行正文提取；后利用上述中文逆向分词方法对提取结果进行分词并建立索引，其中分词功能通过使用上述中文逆向分词装置来实现。 
3)全文检索模块。全文检索模块提供了用户检索功能的接口，其内部封装了全文检索、用户检索条件解析、对检索结果进行排序以及若干提高用户体验的个性化操作功能，如搜索关键词智能提示、相关关键词搜索和高级检索等。 
图3给出了文档搜索系统的架构模型。文档搜索系统采用J2EE技术结合MVC架构，利用Web全文检索中间件，采用Java语言开发实现。 
1)表示层。用于生成用户访问的Web页面，包括文档搜索引擎的搜索界面、结果的返回页面、高级搜索页面，搜索引擎进行初始设置或者调整服务器功能的一些页面，都集中在表示层。简单地说，表示层就是该系统与各种用户的人机接口。 
2)逻辑层。逻辑层位于系统的服务器端，包含众多的功能模块，是实现文档搜索系统和搜索服务功能的核心层次。表示层中提出的各种功能都通过逻辑层相应的代码模块实现。逻辑层的设计包含两个主要的内容：一是面向Internet的网页信息自动采集功能，通过一个专门的多线程爬虫程序来实现，并把采集的页面信息存储在下面的数据存储层中；另一个则是分析用户条件，进行组合搜索，将检索结果按照特定的缓存策略进行缓存，同时对给予用户展示的结果按照时问排序或者相关度排序。逻辑层的设计是实现系统健壮性、可重用性、可扩展性和可维护性的关键因素。 
3)数据存储层。数据存储层主要是负责将网页爬虫采集到的HTML页面进行URL去重，然后对页面正文进行提取，将提取结果封装成对象的形式，利用上述中文逆向分词方法对提取结果进行分词并建立索引，其中分词功能通过使用上述中文逆向分词装置来实现，在索引文件中存储相应的数据。 

Claims (8)

1.一种基于中文检索的逆向分词方法，其特征是，通过由中央处理器、输入输出设备、寄存器、机器词典、窗口计数器、存储器组成的装置对中文字串S=C1C2C3C4…Cn进行分词，包括以下步骤：
(1)中央处理器从输入输出设备读入中文字串S=C1C2C3C4…Cn，放入寄存器中,如果n的值小于等于1，则分词匹配结束，分词结果保存在存储器中，直接转到步骤（7）；当n＞1时，转到步骤（2）；
(2) 中央处理器从机器词典中查找最大长度匹配词的值M=MAX_Length，窗口计数器的起始位置为待匹配句子的最后一个字，记为n-P，其中P=0；
(3) 若n-P小于0，则匹配结束，直接转到步骤（7），当P大于等于M且M大于等于1时，则从n-P的位置开始向前截取长度为M的子串进行匹配，若匹配不成功则转到步骤（4）；若匹配成功则转到步骤（5）；当P小于M且M大于等于1时转到步骤（6）;当M小于1时转到步骤（7）;
(4) p=p+1，转到步骤（3）;
(5)将匹配成功的分词取出，存入存储器，P=P+M，转到步骤（3）；
(6) M值减1，P=0，转到步骤（3）；
(7)将保存在存储器中的分词结果通过输入输出设备输出。
2.一种基于中文检索的逆向分词装置，其特征是，由中央处理器、输入输出设备、寄存器、机器词典、窗口计数器、存储器组成，对中文字串S=C1C2C3C4…Cn进行分词包括以下步骤：
(1)中央处理器从输入输出设备读入中文字串S=C1C2C3C4…Cn，放入寄存器中,如果n的值小于等于1，则分词匹配结束，分词结果保存在存储器中，直接转到步骤（7）；当n＞1时，转到步骤（2）；
(2) 中央处理器从机器词典中查找最大长度匹配词的值M=MAX_Length，窗口计数器的起始位置为待匹配句子的最后一个字，记为n-P，其中P=0；
(3) 若n-P小于0，则匹配结束，直接转到步骤（7），当P大于等于M且M大于等于1时，则从n-P的位置开始向前截取长度为M的子串进行匹配，若匹配不成功则转到步骤（4）；若匹配成功则转到步骤（5）；当P小于M且M大于等于1时转到步骤（6）;当M小于1时转到步骤（7）;
(4) p=p+1，转到步骤（3）;
(5)将匹配成功的分词取出，存入存储器，P=P+M，转到步骤（3）；
(6) M值减1，P=0，转到步骤（3）；
(7)将保存在存储器中的分词结果通过输入输出设备输出。
3.一种Web全文检索中间件，由信息采集接口、信息采集模块、信息处理模块、全文检索模块和检索接口组成，其中，信息采集模块对来自信息采集接口的Web网页进行抓取并对抓取所得到的URL进行去重处理；信息处理模块先对信息采集模块采集到的网页内容进行正文提取，后对提取结果进行分词并建立索引；全文检索模块内部封装了全文检索、用户检索条件解析、对检索结果进行排序以及提高用户体验的个性化操作功能，对外提供了检索接口，其特征是，信息处理模块中对正文提取结果进行分词的装置是如权利要求2所述的一种基于中文检索的逆向分词装置。
4.如权利要求3所述的一种Web全文检索中间件，其特征是，信息采集模块对来自信息采集接口的Web网页进行抓取时采用多线程抓取。
5.一种中间件的Web全文检索方法，该中间件由信息采集接口、信息采集模块、信息处理模块、全文检索模块和检索接口组成，全文检索包括以下步骤：
（1）信息采集模块对来自信息采集接口的Web网页进行抓取并对抓取所得到的URL进行去重处理；
（2）信息处理模块先对信息采集模块采集到的网页内容进行正文提取，后对提取结果进行分词并建立索引；
（3）全文检索模块内部封装了全文检索、用户检索条件解析、对检索结果进行排序以及提高用户体验的个性化操作功能，对外提供了检索接口；
其特征是，在步骤（2）中，信息处理模块中对正文提取结果进行分词的的方法是如权利要求1所述的一种基于中文检索的逆向分词方法。
6.如权利要求5所述的一种Web全文检索中间件的构造方法，其特征是，信息采集模块对来自信息采集接口的Web网页进行抓取时采用多线程抓取。
7.一种文档搜索系统，其特征是，由人机接口和如权利要求3所述的一种Web全文检索中间件组成，人机接口提供起始URL给中间件的信息采集接口，并显示中间件通过检索接口输出的检索结果。
8.一种文档搜索的方法，通过人机接口和Web全文检索中间件实现搜索，包括以下步骤：
（1）人机接口提供起始URL；
（2）Web全文检索中间件进行全文检索；
（3）中间件将检索结果输出并显示在人机接口；
其特征是，在步骤（2）中，Web全文检索中间件进行全文检索的方法是如权利要求5所述的一种中间件的Web全文检索方法。
CN201210241365.4A 2012-07-13 2012-07-13 一种基于中文检索的逆向分词方法及装置 Pending CN103544167A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210241365.4A CN103544167A (zh) 2012-07-13 2012-07-13 一种基于中文检索的逆向分词方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210241365.4A CN103544167A (zh) 2012-07-13 2012-07-13 一种基于中文检索的逆向分词方法及装置

Publications (1)

Publication Number Publication Date
CN103544167A true CN103544167A (zh) 2014-01-29

Family

ID=49967630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210241365.4A Pending CN103544167A (zh) 2012-07-13 2012-07-13 一种基于中文检索的逆向分词方法及装置

Country Status (1)

Country Link
CN (1) CN103544167A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092590A (zh) * 2017-03-17 2017-08-25 贵州恒昊软件科技有限公司 一种语句分词方法和系统
CN110019992A (zh) * 2017-09-14 2019-07-16 腾讯科技（深圳）有限公司 一种数据处理方法和装置
CN111160827A (zh) * 2019-12-09 2020-05-15 上海东普信息科技有限公司 快递揽收方法、手持终端的快件揽收方法及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6879951B1 (en) * 1999-07-29 2005-04-12 Matsushita Electric Industrial Co., Ltd. Chinese word segmentation apparatus
CN101510221A (zh) * 2009-02-17 2009-08-19 北京大学 一种用于信息检索的查询语句分析方法与系统
CN102063424A (zh) * 2010-12-24 2011-05-18 上海电机学院 一种中文分词方法
CN102402502A (zh) * 2011-11-24 2012-04-04 北京趣拿信息技术有限公司 用于搜索引擎的分词处理方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6879951B1 (en) * 1999-07-29 2005-04-12 Matsushita Electric Industrial Co., Ltd. Chinese word segmentation apparatus
CN101510221A (zh) * 2009-02-17 2009-08-19 北京大学 一种用于信息检索的查询语句分析方法与系统
CN102063424A (zh) * 2010-12-24 2011-05-18 上海电机学院 一种中文分词方法
CN102402502A (zh) * 2011-11-24 2012-04-04 北京趣拿信息技术有限公司 用于搜索引擎的分词处理方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张维刚等: "Web 全文检索中间件的设计与应用", 《计算机应用》, vol. 31, no. 8, 31 August 2011 (2011-08-31), pages 2261 - 2264 *
邹嵩等: "垂直搜索引擎中分词技术的算法研究", 《计算机技术与发展》, vol. 22, no. 2, 28 February 2012 (2012-02-28) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092590A (zh) * 2017-03-17 2017-08-25 贵州恒昊软件科技有限公司 一种语句分词方法和系统
CN110019992A (zh) * 2017-09-14 2019-07-16 腾讯科技（深圳）有限公司 一种数据处理方法和装置
CN110019992B (zh) * 2017-09-14 2021-02-02 腾讯科技（深圳）有限公司 一种数据处理方法和装置
CN111160827A (zh) * 2019-12-09 2020-05-15 上海东普信息科技有限公司 快递揽收方法、手持终端的快件揽收方法及存储介质

Similar Documents

Publication Publication Date Title
CN106537370B (zh) 在存在来源和翻译错误的情况下对命名实体鲁棒标记的方法和系统
CN107992585B (zh) 通用标签挖掘方法、装置、服务器及介质
US8510322B2 (en) Enriched search features based in part on discovering people-centric search intent
US10073840B2 (en) Unsupervised relation detection model training
CN103605665B (zh) 一种基于关键词的评审专家智能检索与推荐方法
US8463593B2 (en) Natural language hypernym weighting for word sense disambiguation
CN100405371C (zh) 一种提取新词的方法和系统
CN113822067A (zh) 关键信息提取方法、装置、计算机设备及存储介质
CN102651003B (zh) 一种跨语言搜索的方法和装置
CN102253930B (zh) 一种文本翻译的方法及装置
CN107690634B (zh) 自动查询模式生成方法及系统
CN102929902A (zh) 一种基于中文检索的分词方法及装置
CN110909170B (zh) 兴趣点知识图谱构建方法、装置、电子设备及存储介质
CN103544255A (zh) 基于文本语义相关的网络舆情信息分析方法
US8812508B2 (en) Systems and methods for extracting phases from text
CN103488724A (zh) 一种面向图书的阅读领域知识图谱构建方法
CN102722499B (zh) 搜索引擎及其实现方法
CN106446162A (zh) 一种面向领域的本体知识库文本检索方法
CN102163234A (zh) 一种基于纠错相关度对查询序列进行纠错的设备和方法
CN103646112A (zh) 利用了网络搜索的依存句法的领域自适应方法
CN112115232A (zh) 一种数据纠错方法、装置及服务器
CN103294820B (zh) 基于语义扩展的web页面归类方法和系统
CN110970112B (zh) 一种面向营养健康的知识图谱构建方法和系统
CN102779135A (zh) 跨语言获取搜索资源的方法和装置及对应搜索方法和装置
CN109522396B (zh) 一种面向国防科技领域的知识处理方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140129