公开(公告)号：CN114912437B

公开(公告)日：2024-07-19

申请号：CN202210507760.6

申请日：2022-04-29

Applicant: 上海交通大学

Inventor： 毛馨 ,  雷瞻遥 ,  夏鸣远 ,  戚正伟

IPC: G06F40/216 ,  G06F40/237 ,  G06F16/903 ,  G06F16/9035 ,  G06F18/22

Abstract: 本发明提供了一种弹幕颜文字检测与提取方法及系统，其中方法包括：确定基准颜文字的自身特征以及其在弹幕文本数据集中的统计特性；提取颜文字候选字符串集；计算候选字符串的双向条件概率、左右信息熵、点间互信息、平均互信息以及通过设定的规则对候选字符串进行筛选与过滤，得到最终候选字符串；计算最终候选字符串与基准颜文字的相似度，综合最相似度结果，计算最终综合相似度分数；根据最终综合相似度分数，输出最终的弹幕颜文字结果，完成对弹幕颜文字的检测与提取。本发明能够高效地从大规模弹幕文本中检测并提取颜文字，广泛应用于输入法颜文字字典自动扩展、文本情感分析、中文分词等任务中，提高上述任务的效率与精度。

公开(公告)号：CN114912437A

公开(公告)日：2022-08-16

申请号：CN202210507760.6

申请日：2022-04-29

Applicant: 上海交通大学

Inventor： 毛馨 ,  雷瞻遥 ,  夏鸣远 ,  戚正伟

IPC: G06F40/216 ,  G06F40/237 ,  G06F16/903 ,  G06F16/9035 ,  G06K9/62

Abstract: 本发明提供了一种弹幕颜文字检测与提取方法及系统，其中方法包括：确定基准颜文字的自身特征以及其在弹幕文本数据集中的统计特性；提取颜文字候选字符串集；计算候选字符串的双向条件概率、左右信息熵、点间互信息、平均互信息以及通过设定的规则对候选字符串进行筛选与过滤，得到最终候选字符串；计算最终候选字符串与基准颜文字的相似度，综合最相似度结果，计算最终综合相似度分数；根据最终综合相似度分数，输出最终的弹幕颜文字结果，完成对弹幕颜文字的检测与提取。本发明能够高效地从大规模弹幕文本中检测并提取颜文字，广泛应用于输入法颜文字字典自动扩展、文本情感分析、中文分词等任务中，提高上述任务的效率与精度。