公开(公告)号：CN107315734B

公开(公告)日：2019-11-26

申请号：CN201710308896.3

申请日：2017-05-04

Applicant: 中国科学院信息工程研究所

Inventor： 沙灜 ,  施振辉 ,  李锐 ,  梁棋 ,  邱咏钦 ,  王斌

IPC: G06F17/27

Abstract: 本发明公开了一种基于时间窗口和语义的变体词规范化的方法和系统。本方法为：1)根据给定变体词的出现时间，选取社交网络中该出现时间之前的设定时间段内的语料，作为候选语料库集合D1；2)将该候选语料库集合D1中和该变体词所在语料语义相似的语料加入到候选语料库集合D2；3)从该集合D2中提取出候选词，得到一候选词集合；4)根据每一候选词和变体词的字面相似度以及上下文特征相似度计算每对候选词和变体词的得分，根据计算结果确定该变体词对应的候选词，将确定出的候选词作为该变体词的规范词。本系统包括采集模块、过滤模块、获取模块和规范词获取模块。本发明使得社交网络的文本变的更加规范，便于舆情分析、热点时间追踪。

公开(公告)号：CN107315734A

公开(公告)日：2017-11-03

申请号：CN201710308896.3

申请日：2017-05-04

Applicant: 中国科学院信息工程研究所

Inventor： 沙灜 ,  施振辉 ,  李锐 ,  梁棋 ,  邱咏钦 ,  王斌

IPC: G06F17/27

Abstract: 本发明公开了一种基于时间窗口和语义的变体词规范化的方法和系统。本方法为：1)根据给定变体词的出现时间，选取社交网络中该出现时间之前的设定时间段内的语料，作为候选语料库集合D1；2)将该候选语料库集合D1中和该变体词所在语料语义相似的语料加入到候选语料库集合D2；3)从该集合D2中提取出候选词，得到一候选词集合；4)根据每一候选词和变体词的字面相似度以及上下文特征相似度计算每对候选词和变体词的得分，根据计算结果确定该变体词对应的候选词，将确定出的候选词作为该变体词的规范词。本系统包括采集模块、过滤模块、获取模块和规范词获取模块。本发明使得社交网络的文本变的更加规范，便于舆情分析、热点时间追踪。