专利详情

专利名称	一种短文本的新词发现方法和系统
申请号	CN200710121877.6	专利类型	发明专利
公开（公告）号	CN101118556	公开（授权）日	2008.02.06
申请（专利权）人	中国科学院计算技术研究所	发明（设计）人	龚才春;黄玉兰
主分类号	G06F17/30(2006.01)I	IPC主分类号	G06F17/30(2006.01)I;G06F17/27(2006.01)I
专利有效期	一种短文本的新词发现方法和系统至一种短文本的新词发现方法和系统	法律状态	授权
说明书摘要	本发明公开了一种从短文本中发现新词的方法，包括以下步骤：获取短文本中所有多个连续字符或词语，构成候选新词集合；确定符合预先设定规则的候选新词；将候选新词作为查询关键词，在搜索引擎中进行精确搜索和模糊搜索，获取返回结果的数量和前多条精确搜索结果记录；利用搜索引擎精确搜索返回结果数、模糊搜索结果数、精确搜索前多条结果记录等判断候选新词是否为新词。本发明所述方法能够发现短文本中出现的新词，即便该新词在短文本中就只出现一次，同时新词发现的准确率也很高。