文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201310090249.1

申 请 日：20130320

发 明 人：戴明洋

申 请 人：新浪网技术(中国)有限公司

申请人地址：100080 北京市海淀区北四环西路58号理想国际大厦20层

公 开 日：20130626

公 开 号：CN103176953A

代 理 人：黄志华

代理机构：11291 北京同达信恒知识产权代理有限公司

语　　种：中文

摘　　要：本发明公开了一种文本处理方法及系统，用以解决现有技术中文本处理的效率和准确性较低的问题。该方法文本处理系统对文本进行分词得到单元词，针对每个单元词，根据该单元词中的字以及该单元词确定该单元词的词性，并据此确定该单元词的实体词属性，根据每个单元词的实体词属性识别文本中的实体词，根据识别出的实体词对文本进行处理。通过上述方法，文本处理系统是以单元词为单位进行实体识别的，因此可以有效缩短采用CRF算法解码时的路径长度，提高实体识别的效率和准确性，从而提高了后续基于识别出的实体词进行文本处理的效率和准确性。

主 权 项：1.一种文本处理方法，其特征在于，包括：对文本进行分词处理，得到所述文本中的各单元词；针对每个单元词，根据该单元词中的字以及该单元词确定该单元词的词性；根据该单元词的词性以及该单元词确定该单元词的实体词属性；根据每个单元词的实体词属性识别所述文本中的实体词；根据识别出的实体词对所述文本进行处理。

关 键 词：单元词  文本处理 文本处理系统  实体识别  文本 解码 路径长度  属性识别  词性 分词 算法  

IPC专利分类号：G06F17/21(20060101)