【摘要】 本发明公开了一种汉语文本的大、小粒度切分实现方法，包括如下步骤：设置大粒度切分方式和小粒度切分方式；根据输入的粒度需求，采用相应的粒度切分方式对汉语文本进行切分处理，并输出切分后的汉语文本。本发明还公开了一种汉语文本的大、小粒度切分装置。本发明方案可以根据实际需要采用相应的粒度对文本进行切分，能够满足不同后续汉语文本处理需求。 【专利类型】发明授权 【申请人】腾讯科技(深圳)有限公司 【申请人类型】企业 【申请人地址】518044 广东省深圳市福田区振兴路赛格科技园2栋东403室 【申请人地区】中国 【申请人城市】深圳市 【申请人区县】福田区 【申请号】CN200810089822.6 【申请日】2008-03-28 【申请年份】2008 【公开公告号】CN101246472B 【公开公告日】2010-10-06 【公开公告年份】2010 【授权公告号】CN101246472B 【授权公告日】2010-10-06 【授权公告年份】2010.0 【IPC分类号】G06F17/27 【发明人】朱鉴; 李闪 【主权项内容】一种汉语文本的大、小粒度切分实现方法，其特征在于，包括如下步骤：设置大粒度切分方式和小粒度切分方式包括：制定模式词类别以及相应的粒度标准，根据模式词类别生成不带有粒度信息的确定状态自动机DFA来识别模式词；根据模式词类别生成带有粒度信息的DFA来对模式词进行大、小粒度切分；从已标注语料中抽取出命名实体词，对命名实体词进行分类，给每一类命名实体词制定相应的识别类模板，用所述识别类模板对相应的命名实体词进行标注，得到包含粒度信息的命名实体词识别模型和关键词库；根据输入的粒度需求，采用相应的粒度切分方式对汉语文本进行切分处理，并输出切分后的汉语文本。。 【当前权利人】深圳市腾讯计算机系统有限公司 【当前专利权人地址】广东省深圳市南山区高新区科技中一路腾讯大厦35层 【专利权人类型】有限责任公司(台港澳法人独资) 【统一社会信用代码】9144030071526726XG 【家族被引证次数】18
