公安用同义词库的构建方法及获得的公安用同义词库的制作方法
【技术领域】
[0001]本发明涉及数据处理的技术领域，特别是涉及一种公安用同义词库的构建方法及获得的公安用同义词库。
【背景技术】
[0002]现有的同义词库的构建方法主要有以下两种:
[0003]I)人工建造同义词库；
[0004]该方法中，同义词库内部词语之间的关系是由语言专家人工定义的，其优点是简单有效，但这种方法得到的结果受人的主观意识影响较大，并且其随语言变化发展而变动的动态变更性较差。
[0005]2)对互联网大规模语料的学习来构造出词语的向量空间；
[0006]该方法基于互联网大规模语料进行机器学习，最终结果比较客观，并且易于随语料的变化而改变，但计算方式复杂，具有计算时间长，计算速度慢的缺陷，并且主要应用于互联网，无法应用在相对封闭的公安用数据库。
【发明内容】
[0007]针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种计算时间短，计算速度快，且计算结果客观的公安用同义词库的构建方法。
[0008]为了解决上述技术问题，本发明所提供的一种公安用同义词库构的建方法包括以下步骤:
[0009]先构建一个同义词库，并根据已知的数据元构建数据元库，并设定一个匹配度阈值，并将各数据元分为三种类型，该三种数据元类型分别为对象类、特征类、表示类；
[0010]当有新词需要插入时，执行以下步骤:
[0011]I)获取新词的名称、类型及长度，并对新词按照对象类、特征类、表示类这三种类型进行分割，将新词分割为三个分词，该三个分词分别为第一分词、第二分词、第三分词，其中的第一分词为对象类分词，第二分词为特征类分词，第三分词为表不类分词；
[0012]2)从数据元库中找出第一分词出现次数最多的对象类数据元，第二分词出现次数最多的特征类数据元，及第三分词出现次数最多的表示类数据元；
[0013]3)计算新词的匹配度，具体计算公式为:
[0014]P = AXQ1+BXQ2+CXQ3 ；
[0015]A = Xl/Xn，B = Yl/Yn，C = Zl/Zn ;
[0016]其中，P为新词的匹配度，A为第一分词与数据元库的相似度，Ql为对象类权重值，B为第二分词与数据元库的相似度，Q2为特征类权重值，C为第三分词与数据元库的相似度，Q3为表示类权重值，Ql、Q2、Q3为预先设定的常数值；
[0017]其中，Xl为第一分词在数据元库中的单个对象类数据元出现次数的最大值，Xn为第一分词在数据元库中的所有对象类数据元中出现的总次数，Yl为第二分词在数据元库中的单个特征类数据元出现次数的最大值，Yn为第二分词在数据元库中的所有特征类数据元中出现的总次数，Zl为第三分词在数据元库中的单个表示类数据元出现次数的最大值，Zn为第三分词在数据元库中的所有表示类数据元中出现的总次数；
[0018]4)根据新词的匹配度，对新词进行判断，如果新词的匹配度超过匹配度阈值，则判定新词为同义词，并将新词与数据元库中的三个数据元建立同义关系，该三个数据元分别为:出现第一分词次数最多的对象类数据元、出现第二分词次数最多的特征类数据元、出现第三分词次数最多的表示类数据元；
[0019]5)将新词与三个数据元的同义关系存入同义词库。
[0020]本发明的第二个方面，是提供了一种安装上述方法获得的公安用同义词库。
[0021]本发明提供的公安用同义词库的构建方法，在现有数据元及同义词的基础上，计算新词与现有数据元的匹配度，在匹配度超过设定值时认为是同义词，并将同义关系存入同义词库，其计算方式简单，具有计算时间短，计算速度快，且计算结果客观的特点。
【具体实施方式】
[0022]以下结合具体实施例对本发明的技术方案作进一步详细描述，但本实施例并不用于限制本发明，凡是采用本发明的相似结构及其相似变化，均应列入本发明的保护范围，本发明中的顿号均表示和的关系。
[0023]本发明实施例所提供的一种公安用同义词库的构建方法包括以下步骤:
[0024]先构建一个同义词库，并根据已知的数据元构建数据元库(比如目前上海公安部门已经有约800个数据元)，并设定一个匹配度阈值，并将各数据元分为三种类型，该三种数据元类型分别为对象类、特征类、表示类；
[0025]当有新词需要插入时，执行以下步骤:
[0026]I)获取新词的名称、类型及长度，并对新词按照对象类、特征类、表示类这三种类型进行分割，将新词分割为三个分词，该三个分词分别为第一分词、第二分词、第三分词，其中的第一分词为对象类分词，第二分词为特征类分词，第三分词为表不类分词；
[0027]2)从数据元库中找出第一分词出现次数最多的对象类数据元，及第二分词出现次数最多的特征类数据元，第三分词出现次数最多的表示类数据元；
[0028]3)计算新词的匹配度，具体计算公式为:
[0029]P = AXQ1+BXQ2+CXQ3 ；
[0030]A = Xl/Xn, B = Yl/Yn, C = Zl/Zn ；
[0031]其中，P为新词的匹配度，A为第一分词与数据元库的相似度，Ql为对象类权重值，B为第二分词与数据元库的相似度，Q2为特征类权重值，C为第三分词与数据元库的相似度，Q3为表示类权重值，Ql、Q2、Q3为预先设定的常数值；
[0032]其中，Xl为第一分词在数据元库中的单个对象类数据元出现次数的最大值，Xn为第一分词在数据元库中的所有对象类数据元中出现的总次数，Yl为第二分词在数据元库中的单个特征类数据元出现次数的最大值，Yn为第二分词在数据元库中的所有特征类数据元中出现的总次数，Zl为第三分词在数据元库中的单个表示类数据元出现次数的最大值，Zn为第三分词在数据元库中的所有表示类数据元中出现的总次数；
[0033]4)根据新词的匹配度，对新词进行判断，如果新词的匹配度超过匹配度阈值，则判定新词为同义词，并将新词与数据元库中的三个数据元建立同义关系，该三个数据元分别为:出现第一分词次数最多的对象类数据元、出现第二分词次数最多的特征类数据元、出现第三分词次数最多的表示类数据元；
[0034]5)将新词与三个数据元的同义关系存入同义词库。
[0035]本发明提供的公安用同义词库的构建方法，在现有数据元及同义词的基础上，计算新词与现有数据元的匹配度，在匹配度超过设定值时认为是同义词，并将同义关系存入同义词库，其计算方式简单，具有计算时间短，计算速度快，且计算结果客观的特点。
【主权项】
1.一种公安用同义词库的构建方法，其特征在于包括以下步骤: 先构建一个同义词库，并根据已知的数据元构建数据元库，并设定一个匹配度阈值，并将各数据元分为三种类型，该三种数据元类型分别为对象类、特征类、表示类； 当有新词需要插入时，执行以下步骤: 1)获取新词的名称、类型及长度，并对新词按照对象类、特征类、表示类这三种类型进行分割，将新词分割为三个分词，该三个分词分别为第一分词、第二分词、第三分词，其中的第一分词为对象类分词，第二分词为特征类分词，第三分词为表不类分词； 2)从数据元库中找出第一分词出现次数最多的对象类数据元，及第二分词出现次数最多的特征类数据元，第三分词出现次数最多的表示类数据元； 3)计算新词的匹配度，具体计算公式为: P = AXQ1+BXQ2+CXQ3 ；A = Xl/Xn，B = Yl/Yn，C = ZI/Zn ； 其中，P为新词的匹配度，A为第一分词与数据元库的相似度，Ql为对象类权重值，B为第二分词与数据元库的相似度，Q2为特征类权重值，C为第三分词与数据元库的相似度，Q3为表示类权重值，Q1、Q2、Q3为预先设定的常数值； 其中，Xl为第一分词在数据元库中的单个对象类数据元出现次数的最大值，Xn为第一分词在数据元库中的所有对象类数据元中出现的总次数，Yl为第二分词在数据元库中的单个特征类数据元出现次数的最大值，Yn为第二分词在数据元库中的所有特征类数据元中出现的总次数，Zl为第三分词在数据元库中的单个表示类数据元出现次数的最大值，Zn为第三分词在数据元库中的所有表示类数据元中出现的总次数； 4)根据新词的匹配度，对新词进行判断，如果新词的匹配度超过匹配度阈值，则判定新词为同义词，并将新词与数据元库中的三个数据元建立同义关系，该三个数据元分别为:出现第一分词次数最多的对象类数据元、出现第二分词次数最多的特征类数据元、出现第三分词次数最多的表示类数据元； 5)将新词与三个数据元的同义关系存入同义词库。
2.权利要求1所述的构建方法获得的公安用同义词库。
【专利摘要】本发明公开了一种公安用同义词库的构建方法，涉及数据处理技术领域，所解决的是缩短计算时间及提高计算速度的技术问题。该方法先构建一个同义词库，并根据已知的数据元构建数据元库，并将各数据元分为对象类、特征类、表示类三种类型；当有新词需要插入时，先对新词按照对象类、特征类、表示类这三种类型分割为三个分词，再从数据元库中分别找出三个分词出现次数最多的对象类数据元、特征类数据元、表示类数据元，进而计算出新词的匹配度，再根据新词的匹配度判断该新词是否为同义词，如果该新词为同义词，则将新词与数据元的同义关系存入同义词库。本发明提供的方法，适用于公安用数据处理。
【IPC分类】G06F17-30
【公开号】CN104765858
【申请号】CN201510190990
【发明人】陈明洁, 朱鑫巍, 郭平
【申请人】北京航天长峰科技工业集团有限公司上海分公司, 陈明洁, 朱鑫巍
【公开日】2015年7月8日
【申请日】2015年4月21日