公开(公告)号：CN100444167C

公开(公告)日：2008-12-17

申请号：CN200510130690.3

申请日：2005-12-21

Applicant: 中国科学院计算技术研究所

Inventor： 张华平 ,  王思力

IPC: G06F17/30

Abstract: 本发明涉及自然语言处理领域和信息检索领域，特别是一种完美双数组TRIE树词典管理与检索方法。将Trie树结构转换成两个线性数组表示，并在构造过程中提出了一种优化策略。同时提出一种自适应编码方案，以字节为编码单位对字符进行自动编码。包括步骤：(1)将词典用Trie树结构表示；(2)将Trie树转换成两个线性数组；(3)根据用户的输入，利用生成的两个数组实现对词典的检索。其具体步骤包括：步骤1，对词典以字节为单位进行自动编码生成序列码文件；步骤2，将词典用Trie树表示，利用序列码文件将Trie树转换成两个数组来表示；步骤3，在生成的两个线性数组中检索用户提交的词。

公开(公告)号：CN101122919A

公开(公告)日：2008-02-13

申请号：CN200710121839.0

申请日：2007-09-14

Applicant: 中国科学院计算技术研究所

Inventor： 张华平 ,  黄玉兰 ,  龚才春

IPC: G06F17/30 ,  G06F19/00

Abstract: 本发明涉及自然语言计算机处理领域，提供了一种专业术语抽取方法，首先，按照专利文献所属领域的不同将专利文献划分到不同领域的文献库中；而后，以划分后的不同领域的专利文献库，组成语料库，并根据专业术语的特点，从语料库中抽取所包含的专业术语。本发明还提出了一种专业术语抽取系统。采用本发明的方法和系统，不仅可以改进专业术语的提取结果，还可以把改进的规则和概率应用到下次提取中，以提高准确率。

公开(公告)号：CN101149739A

公开(公告)日：2008-03-26

申请号：CN200710120755.5

申请日：2007-08-24

Applicant: 中国科学院计算技术研究所

Inventor： 张华平 ,  贺敏 ,  黄玉兰 ,  龚才春

IPC: G06F17/30

Abstract: 本发明公开了一种面向互联网的有意义串的挖掘方法和系统。该方法包括下列步骤：步骤A，重复字符串发现；步骤B，通过上下文邻接分析过滤所述字符串；步骤C，通过语言模型分析过滤所述字符串。其能够有效的提取网页或大规模文本数据中的有意义串。

公开(公告)号：CN1786962A

公开(公告)日：2006-06-14

申请号：CN200510130690.3

申请日：2005-12-21

Applicant: 中国科学院计算技术研究所

Inventor： 张华平 ,  王思力

IPC: G06F17/30

Abstract: 本发明涉及自然语言处理领域和信息检索领域，特别是一种完美双数组TRIE树词典管理与检索方法。将Trie树结构转换成两个线性数组表示，并在构造过程中提出了一种优化策略。同时提出一种自适应编码方案，以字节为编码单位对字符进行自动编码。包括步骤：(1)将词典用Trie树结构表示；(2)将Trie树转换成两个线性数组；(3)根据用户的输入，利用生成的两个数组实现对词典的检索。其具体步骤包括：步骤1，对词典以字节为单位进行自动编码生成序列码文件；步骤2，将词典用Trie树表示，利用序列码文件将Trie树转换成两个数组来表示；步骤3，在生成的两个线性数组中检索用户提交的词。