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：上海硕恩网络科技股份有限公司

摘要：本发明涉及计算机自然语言处理中短语抽取技术领域，具体的讲是一种技能短语抽取方法，首先获取文本内容，对获取的文本进行预处理，即删除文本主题前方带有的数字或者特殊索引符号，然后利用分隔符将文本分割成句子片段，之后构造抽取规则，运行抽取规则抽取技能短语片段，再对抽取的片段进行清洗，删除词语序列中的修饰词等没有实际意义的词语，然后进行分词处理，最后针对分词后的词语序列进行短语构建，形成技能短语。本发明可以应用在非结构化数据中，例如企业招聘等领域，在实施中不需要构建训练集和分类器，降低了数据预备与算法训练成本，能够自动确定技能短语的长度，避免主观性，避免了统计法中阈值选择的难题。

主权项：1.一种技能短语抽取方法，其特征在于：包括如下步骤：S1预处理文本；S2抽取技能短语片段；S3清洗包含技能短语的结构；S4构建技能短语，包括如下步骤：S41建立技能短语预判规则，包括：单词规则和双词规则；单词规则是指词语序列中的词语数量只有1个，且为英文词语，则可直接作为技能短语；双词规则是指词语序列中的词语数量有2个时，则设定如下要求，当满足任一要求时，被视为技能短语：1词语中包含英文词语；2词语的词性均为名词；3多词项是形容词级别词和名称动名词的组合；S42进行序贯合词，序贯合词是针对词语序列中词语数量大于2个时，进行的合词处理，具体处理方法为：S421利用公式PX，Y＝countX，YN，按词语顺序分别计算每两个相邻的词语的出现的概率，若PX＝Word1，Y＝Word2≥PX＝Word2，Y＝Word3，则证明Word1和Word2可以合成短语，反之则不可；S422再使用S421中的公式判断Word1、Word2、Word3能否组成短语，即在计算中令X＝Word1Word2，Y＝Word3，然后比较PWord1Word2，Word3与PWord3，Word4，若PWord1Word2，Word3≥PWord3，Word4，则说明Word1Word2，Word3可以合成短语，反之则不可以，此时需要对Word3进行词性检查；S423检查结果为合格时，则将Word3作为其后面词语序列中的新的短语的初始词语，开始新一轮计算词语之间的关系，检查结果为不合格时，则跳过Word3检查下一个词语的词性；S424迭代S421～S423，直到迭代完成词语序列中的所有词语，并生成技能短语；在公式中，PX，Y表示词语X，Y在语料中出现的概率，X、Y分别表示词语序列中的词语，countX，Y表示词语X，Y在语料中出现的数量，N表示语料库中的句子片段总数；S5生成技能短语。

全文数据：

权利要求：

百度查询： 上海硕恩网络科技股份有限公司 一种技能短语抽取方法