公开(公告)号：CN105573981B

公开(公告)日：2018-09-07

申请号：CN201510951906.6

申请日：2015-12-17

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 陈泽青 ,  苏再添 ,  吴少华

IPC: G06F17/27

Abstract: 本发明属于计算机语言学中的自然语言处理领域，具体涉及一种提取中文人名地名的方法及装置。该方法包括以下步骤S1，将文本转换为UTF‑8编码格式；S2，预设文本阈值L，判断文本长度T是否大于阈值L，如果T大于L，则采用延伸分段法将文本分段，分段后转到步骤S3，如果T小于等于L，则转到步骤S3；S3，对本文进行预处理去除脏数据；S4，对预处理后文本中的中文单字进行词性标注，并将标注后的单字进行分词组词；S5，将文本中与目标词组匹配的词组标记出来，并统计匹配结果。本发明能够广泛应用于搜索引擎、机器翻译、数据挖掘等领域中命名实体的识别。

公开(公告)号：CN105573981A

公开(公告)日：2016-05-11

申请号：CN201510951906.6

申请日：2015-12-17

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 陈泽青 ,  苏再添 ,  吴少华

IPC: G06F17/27

CPC classification number: G06F17/278

Abstract: 本发明属于计算机语言学中的自然语言处理领域，具体涉及一种提取中文人名地名的方法及装置。该方法包括以下步骤S1，将文本转换为UTF-8编码格式；S2，预设文本阈值L，判断文本长度T是否大于阈值L，如果T大于L，则采用延伸分段法将文本分段，分段后转到步骤S3，如果T小于等于L，则转到步骤S3；S3，对本文进行预处理去除脏数据；S4，对预处理后文本中的中文单字进行词性标注，并将标注后的单字进行分词组词；S5，将文本中与目标词组匹配的词组标记出来，并统计匹配结果。本发明能够广泛应用于搜索引擎、机器翻译、数据挖掘等领域中命名实体的识别。