申请/专利权人:达观数据有限公司
申请日:2024-02-26
公开(公告)日:2024-04-30
公开(公告)号:CN117952079A
主分类号:G06F40/20
分类号:G06F40/20;G06F40/216;G06F40/289
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本申请公开了一种新词挖掘方法、装置、电子设备和存储介质。具体包括:获取待处理语料;根据预设的自然语言处理模型,对待处理语料进行分词处理,得到至少两种语料数据;根据各语料数据,分别确定目标词对应的平均互信息、信息熵得分和新颖度;根据平均互信息、信息熵得分和新颖度,判断目标词是否为新词。本申请实施例的技术方案,通过对待处理语料的解析得到了各种语料数据,基于这些语料数据对目标词的平均互信息、信息熵得分和新颖度进行计算,并最终根据这三者确定目标词是否可以被判定为新词。从平均互信息、信息熵得分和新颖度这三个角度进行新词挖掘,能够极大的提高新词挖掘的全面性和准确性。
主权项:1.一种新词挖掘方法,其特征在于,包括:获取待处理语料;根据预设的自然语言处理模型,对所述待处理语料进行分词处理,得到至少两种语料数据;根据各所述语料数据,分别确定目标词对应的平均互信息、信息熵得分和新颖度;根据所述平均互信息、信息熵得分和新颖度,判断所述目标词是否为新词。
全文数据:
权利要求:
百度查询: 达观数据有限公司 一种新词挖掘方法、装置、电子设备和存储介质
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。