公开(公告)号：CN113157903A

公开(公告)日：2021-07-23

申请号：CN202011585288.5

申请日：2020-12-28

申请人： 国网浙江省电力有限公司信息通信分公司 ,  浙江华云信息科技有限公司

发明人： 王红凯 ,  冯珺 ,  刘瀚琳 ,  潘思辰 ,  王嘉琦 ,  赵帅 ,  彭梁英 ,  王仲锋 ,  丁雪花 ,  王永平 ,  汪娟玉 ,  蒋斌 ,  刘晓枫

IPC分类号： G06F16/335 ,  G06F16/31 ,  G06F40/216 ,  G06F40/284 ,  G06F40/295

摘要： 本发明公开了一种面向多领域的电力词库构建方法，解决了现有技术的不足，包括以下步骤：步骤1，收集电力相关文档，对电力相关文档的文字信息进行提取，在文字信息中枚举出所有文本片段，文本片段的长度小于设定阈值；步骤2，根据词法相关统计指标对文本片段进行过滤，过滤后的文本片段为候选新词，所有候选新词构成候选词库；步骤3，候选词库中的候选新词与常用词汇进行比较，若候选新词是常用词汇，则将该候选新词舍弃，若候选新词不是常用词汇，则将该候选新词定义为正式新词；步骤4，所有的正式新词构成专业词库。