原创力文档- 1、本文档共24页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号CN104572621A
(43)申请公布日2015.04.29
(21)申请号CN201510002515.X
(22)申请日2015.01.05
(71)申请人语联网(武汉)信息技术有限公司
地址430073湖北省武汉市东湖开发区光谷软件园一期以西、南湖南路以南、光谷软
件园六期2幢6层206号
(72)发明人江潮张芃
(74)专利代理机构北京康盛知识产权代理有限公司
代理人张宇峰
(51)Int.CI
G06F17/27
权利要求说明书说明书幅图
(54)发明名称
一种基于决策树的术语判定方法
(57)摘要
一种基于决策树的术语判定方法，
包括：对原始语料以语素为单位进行任意
长度的切分，获得若干候选术语，其中，
每个所述候选术语由至少二个语素组成；
确定影响术语判定的多个特征，计算出每
个所述候选术语的每个特征的特征值；以
每个所述候选术语的多个特征值，在用于
术语判定的决策树中，依照所述决策树的
生成顺序进行依次判定；将通过所述决策
树判定成功的所述候选术语作为新术语。
本发明减少了人工处理的工作量，确保得
到的术语可靠性和准确性较高。
法律状态
法律状态公告日法律状态信息法律状态
权利要求说明书
1.一种基于决策树的术语判定方法，其特征在于，包括：
对原始语料以语素为单位进行任意长度的切分，获得若干候选术语，其
中，每个所述候选术语由至少二个语素组成；
确定影响术语判定的多个特征，计算出每个所述候选术语的每个特征的
特征值；
以每个所述候选术语的多个特征值，在用于术语判定的决策树中，依照
所述决策树的生成顺序进行依次判定；
将通过所述决策树判定成功的所述候选术语作为新术语。
2.根据权利要求1所述的术语判定方法，其特征在于，所述确定影响
术语判定的多个特征，包括：
候选术语在原始语料中的词频、候选术语被分割为任意长度的两部分，
所述任意两部分的互信息的最小值、候选术语的左熵和右熵两者中较大值、
候选术语独立成词的概率、候选术语的每个语素在所述历史语
料库中处于词头位置、词中位置和词尾位置的出现概率、以及
候选术语的领域概率。
3.根据权利要求2所述的术语判定方法，其特征在于，在所述以每个
所述候选术语的多个特征值，在用于术语判定的决策树中，依照所述决策树
的生成顺序进行依次判定之前，还包括：
从术语库中随机选取一定数量、且连续的若干个已认定的术语；
根据选取的所述术语，以及所述多个特征，利用ID3算法或C4.5算法
构建所述决策树。
4.根据权利要求3所述的术语判定方法，其特征在于，所述根据选取
的所述术语，以及所述多个特征，利用ID3算法或C4.5算法构建所述决策
树的过程中，包括：
将每个所述特征作为所述决策树上的判定结点，并且根据所述多个特征
的信息增益或信息增益比的大小关系，确定所述决策树的生成顺序；
其中，每个判定结点上具有其对应的特征的、用于形成所述决策树的枝
干的判定阈值。
5.根据权利要求4所述的术语判定方法，其特征在于，所述以每个所
述候选术语的多个特征值，在用于术语判定的决策树中，依照所述决策树的
生成顺序进行依次判定，具体包括：
将所述候选术语的每个特征值，依照所述决策树的生成顺序，与决策树
的判定结点上的判定阈值进行比较；
若在所述决策树上作为叶子结点的判定结点上判定成，则将该候选术语
标记为新术语。
文档评论（0）