一種網頁文本的中文分詞方法和裝置的制造方法
【專利摘要】本發明提供了一種網頁文本的中文分詞裝置及方法。該裝置包括：前期處理模塊、最大匹配模塊、神經網絡消歧模塊和文本輸出模塊。與現有技術比較本發明的有益效果在于：本申請提供的一種網頁文本的中文分詞裝置及方法，通過根據正、反向最大匹配得到一部分的分詞結果，一部分帶有歧義的語句，然后運用神經網絡的自學習、并行處理等優點處理歧義語句，結合雙向最大匹配和神經網絡的優點，互相補充，能高效快速地處理網頁文本分詞。
【專利說明】
一種網頁文本的中文分詞方法和裝置
技術領域
[0001] 本發明涉及網頁文本分詞技術領域，尤其涉及一種網頁文本的中文分詞方法和裝 置。
【背景技術】
[0002] 隨著移動互聯網的快速發展，人們的日常生活與互聯網緊密相連，互聯網信息成 為信息獲取的主要來源，已經廣泛滲透到各個領域。因而運營商積累了越來越多的用戶上 網行為和相關信息，實時營銷的廣泛應用，使得對用戶需求分析成為及其重要的一部分。為 了從大量的資源信息中獲取有價值的信息，自然語言處理技術得到了廣大互聯網公司的重 視，中文分詞是中文信息處理的前提和基礎，是自然語言處理技中至關重要的步驟。中文分 詞指的是將一個漢字序列切分成一個個單獨的詞，將連續的字序列按照一定的規范重新組 合成詞序列的過程。對于一段話，人們閱讀后很快就可以理解劃分詞語，對于計算機而言， 并不能理解這段話的意思。因此涌現了很多中文分詞方法，大致可分為三種:基于字符串匹 配的分詞方法、基于理解的分詞方法和基于統計的分詞方法。
[0003] 由于中文語句的復雜性和多樣性，分詞技術的難點表現在歧義識別和消歧、未登 錄詞識別。現有的解決交集型歧義識別和消除的文本分詞方法處理速度較慢。
[0004] 鑒于上述缺陷，本發明創作者經過長時間的研究和試驗，最終獲得了本發明。
【發明內容】
[0005] 本發明的目的在于提供一種網頁文本的中文分詞方法和裝置用以克服上述技術 缺陷。
[0006] 為實現上述目的，本發明采用的技術方案在于：
[0007] -方面提供了一種網頁文本的中文分詞方法，該方法包括以下步驟：
[0008] 步驟S1，提取網頁文本并對所述網頁文本進行預處理；
[0009] 步驟S2,利用正向最大匹配中文分詞方法和反向最大匹配中文分詞方法對短語句 的文本內容進行切分，得出兩種分詞結果，并判斷兩種分詞結果是否相同，若相同，執行步 驟S4,若不相同，執行步驟S3;
[0010]步驟S3,利用已經訓練完畢的BP神經網絡對歧義字段分詞，得到相應的分詞結果；
[0011] 步驟S4,對未登錄詞識別并輸出最終的網頁文本分詞結果。
[0012] 較佳的，所述步驟S1包括以下步驟：
[0013] 步驟S11，利用網頁爬蟲獲取網頁文本；
[0014] 步驟S12,將所述網頁文本分割成一段段的短語句，縮減網頁文本字符的長度；
[0015] 步驟S13,對所述短語句進行詞性標注；
[0016] 步驟S14,對詞性標注后的短語句轉換為映射值對（index，value)，其中value指短 語句的文本內容，index指value在網頁文本中的位置。
[0017] 較佳的，所述步驟S2中的正向最大匹配中文分詞方法包括以下步驟：
[0018] 步驟S210,從每一個value的首字開始掃描，預先設定以該字開頭的所有詞語中最 大詞長為N，取出詞長為N的漢子串，若value的長度小于N，則將value的實際長度賦值給N， 并將該長度為N的字符串設為Str;
[0019] 步驟S211，將Str與詞典進行匹配，若在詞典中找到Str，則將劃分成value中的一 個詞語，若匹配詞典不成功，則將Str的尾字去掉重新賦值給Str，再將Str與詞典再一次匹 配，若匹配則Str成功分詞，否則繼續去掉Str的尾字重新賦值給Str;
[0020] 步驟S212,依此類推，直到與詞典匹配成功或N的長度為1為止，一次分詞結束，繼 續將value作為首字對余下網頁文本進行分詞；
[0021] 步驟S213,輸出正向匹配分詞結果。
[0022] 較佳的，所述步驟S2中的反向最大匹配中文分詞方法包括以下步驟：
[0023]步驟S220,從每一個value的尾字開始掃描，預先設定以該字開頭的所有詞語中最 大詞長為N，取出詞長為N的漢子串，若value的長度小于N，則將value的實際長度賦值給N， 并將該長度為N的字符串設為Str;
[0024] 步驟S221，將Str與詞典進行匹配，若在詞典中找到Str，則將劃分成value中的一 個詞語，若匹配詞典不成功，則將Str的首字去掉重新賦值給Str，再將Str與詞典再一次匹 配，若匹配則Str成功分詞，否則繼續去掉Str的首字重新賦值給Str;
[0025] 步驟S222,依此類推，直到與詞典匹配成功或N的長度為1為止，一次分詞結束，繼 續將value作為尾字對余下網頁文本進行分詞。
[0026] 步驟S223,輸出反向匹配分詞結果。
[0027]又一方面提供了一種網頁文本的中文分詞裝置，該裝置包括：
[0028]前期處理模塊，用于提取網頁文本并對所述網頁文本進行預處理；
[0029]最大匹配模塊，用于利用正向最大匹配中文分詞方法和反向最大匹配中文分詞方 法對短語句的文本內容進行切分，得出兩種分詞結果，并判斷兩種分詞結果是否相同；
[0030] 神經網絡消歧模塊，用于利用已經訓練完畢的BP神經網絡對歧義字段分詞，得到 相應的分詞結果；
[0031] 文本輸出模塊，用于對未登錄詞識別并輸出最終的網頁文本分詞結果。
[0032]較佳的，所述前期處理模塊包括：
[0033]文本提取單元，用于利用網頁爬蟲獲取網頁文本；
[0034]粗切分單元，用于將所述網頁文本分割成一段段的短語句，縮減網頁文本字符的 長度；
[0035]詞性標記單元，用于對所述短語句進行詞性標注；
[0036]詞性轉換單元，用于對詞性標注后的短語句轉換為映射值對（index，value)，其中 value指短語句的文本內容，index指value在網頁文本中的位置。
[0037]較佳的，所述最大匹配模塊包括：
[0038]正向最大匹配模塊，用于運用正向最大匹配中文分詞方法對短語句的文本內容進 行切分，得到正向匹配分詞結果；
[0039] 反向最大匹配模塊，用于運用反向最大匹配中文分詞方法對短語句的文本內容進 行切分，得到反向匹配分詞結果；
[0040] 比較異同單元，用于判斷所述兩種分詞結果是否相同。
[0041 ]較佳的，所述神經網絡消歧模塊包括：
[0042] 語句預處理單元，用于依據Unicode碼和自定義不同類型對應詞性代碼，對包含各 類型交集型歧義的語句訓練樣本進行逐一編碼，變成神經網絡能夠識別、學習和存儲的數 值向量形式，送至神經網絡輸入層；
[0043] BP神經網絡單元，用于根據模型總公式得到網絡輸出值，通過梯度下降法對誤差 逆傳播進行修正權值；
[0044] 轉碼輸出分詞結果單元，用于將通過BP神經網絡單元計算得到的向量型輸出，根 據一定的數值范圍轉化成帶有7"分詞的語句。
[0045] 較佳的，所述文本輸出模塊包括：
[0046] 未登錄詞識別單元，用于對未登錄詞進行識別；
[0047] 最終分詞結果輸出單元，用于輸出最終的分詞結果。
[0048] 與現有技術比較本發明的有益效果在于:本申請提供的一種網頁文本的中文分詞 裝置及方法，通過根據正、反向最大匹配得到一部分的分詞結果，一部分帶有歧義的語句， 然后運用神經網絡的自學習、并行處理等優點處理歧義語句，結合雙向最大匹配和神經網 絡的優點，互相補充，能高效快速地處理網頁文本分詞。
【附圖說明】
[0049]圖1為本發明提供的一種網頁文本的中文分詞裝置的功能框圖；
[0050]圖2為前期處理模塊的功能框圖；
[0051]圖3為最大匹配模塊的功能框圖；
[0052]圖4為神經網絡消歧模塊的功能框圖；
[0053]圖5為文本輸出模塊的功能框圖；
[0054] 圖6為本發明提供的一種網頁文本的中文分詞方法的流程圖；
[0055] 圖7為步驟S1的流程示意圖；
[0056]圖8為步驟S2中正向最大匹配中文分詞方法的流程圖；
[0057]圖9為步驟S2中反向最大匹配中文分詞方法的流程圖。
【具體實施方式】
[0058]為便于進一步理解本發明的技術內容，下面結合附圖對本發明作進一步說明。 [0059] 實施例一
[0060] 如圖1所示，為本發明提供的一種網頁文本的中文分詞裝置的功能框圖，該裝置包 括:前期處理模塊1，用于提取網頁文本并對所述網頁文本進行預處理。最大匹配模塊2,用 于利用正向最大匹配中文分詞方法和反向最大匹配中文分詞方法對短語句的文本內容進 行切分，得出兩種分詞結果，并判斷兩種分詞結果是否相同。神經網絡消歧模塊3,用于利用 已經訓練完畢的BP神經網絡對歧義字段分詞，得到相應的分詞結果。文本輸出模塊4,用于 對未登錄詞識別并輸出最終的網頁文本分詞結果。
[0061] 如圖2所示，為前期處理模塊的功能框圖。前期處理模塊1包括:提取單元11、粗切 分單元12、詞性標記單元13和轉換單元14。其中，文本提取單元11用于利用網頁爬蟲獲取網 頁文本。粗切分單元12用于將所述網頁文本分割成一段段的短語句，縮減網頁文本字符的 長度。具體分隔方式為:根據數字、英文字符、標點符號和出現頻率高而構詞能力差的單字 詞等，將網頁文本分割成一段段由V"或空格隔開的短語句，縮減網頁文本字符的長度。詞 性標記單元13用于對所述短語句進行詞性標注。具體的詞性標注為:運用隱馬爾科夫模型 和Viterbi算法，實現對短語句的詞性標注。詞性轉換單元14用于對詞性標注后的短語句轉 換為映射值對（index，value)，其中value指短語句的文本內容，index指value在網頁文本 中的位置。
[0062]例如：一個網頁文本主題為"移動4G手機"的網頁文本，網頁文本為"4G最大的數據 傳輸速率超過l〇〇Mbit/S，這個速率是移動電話數據傳輸速率的1萬倍，也是3G移動電話速 率的50倍。"經過粗切分單元12分割后，成為："/4G/最大的數據傳輸速率超過/100Mbit/ s/，/這個速率是移動電話數據傳輸速率的/1/萬倍/，/也是/3G/移動電話速率的/50/ 倍/。/"。對詞性標注后短語句"最大的數據傳輸速率超過"轉換為映射值對(inde X，valUe) (移動4G手機、2,最大的數據傳輸速率超過），其中value是短語句文本內容"最大的數據傳 輸速率超過" i是短語句文本內容"最大的數據傳輸速率超過"在網頁文本中的位置"移動 4G手機、2"，其中"移動4G手機"指該網頁文本主題，"2"指的該短語句位于粗切分后的第二 個7"后。
[0063]如圖3所示，為最大匹配模塊的功能框圖。最大匹配模塊2包括:正向最大匹配單元 21、反向最大匹配單元22和比較異同單元23。正向最大匹配單元21，用于運用正向最大匹配 中文分詞方法對短語句的文本內容進行切分，得到正向匹配分詞結果。反向最大匹配單元 21，用于運用反向最大匹配中文分詞方法對短語句的文本內容進行切分，得到反向匹配分 詞結果。比較異同單元23,用于判斷所述兩種分詞結果是否相同。
[0064] 如圖4所示，為神經網絡消歧模塊的功能框圖。神經網絡消歧模塊3包括:語句預處 理單元31、BP神經網絡單元32和轉碼輸出分詞結果單元33。語句預處理單元31，用于依據 Unicode碼和自定義不同類型對應詞性代碼，對包含各類型交集型歧義的語句訓練樣本進 行逐一編碼，變成神經網絡能夠識別、學習和存儲的數值向量形式(^，^，…，^^，送至神經 網絡輸入層。對期望的分詞結果表示為向量形式(7 1，72，一，7[0，若第1^個字被切分了，則向 量第k維為1，否則為(LBP神經網絡單元32,用于根據模型總公式得到網絡輸出值，通過梯度 下降法對誤差逆傳播進行修正權值。主要公式如下：
[0065]
[0066]
[0067] 轉碼輸出分詞結果單元33,用于將通過BP神經網絡單元32計算得到的向量型輸 出，根據一定的數值范圍轉化成帶有7"分詞的語句。例如第k維值在[0.85，1 ]內，則對應的 第k個字后帶有7"。
[0068] 如圖5所示，為文本輸出模塊的功能框圖。文本輸出模塊4包括:未登錄詞識別單元 41和最終分詞結果輸出單元42。未登錄詞識別單元41用于對未登錄詞進行識別。最終分詞 結果輸出單元42用于輸出最終的分詞結果。
[0069] 實施例二
[0070] 如圖6所示，為本發明提供的一種網頁文本的中文分詞方法的流程圖，該方法包括 以下步驟：
[0071] 步驟S1，提取網頁文本并對所述網頁文本進行預處理。
[0072] 如圖7所示，步驟S1具體包括以下步驟：
[0073] 步驟S11，利用網頁爬蟲獲取網頁文本。
[0074]步驟S12,將所述網頁文本分割成一段段的短語句，縮減網頁文本字符的長度。
[0075] 具體的，根據數字、英文字符、標點符號和出現頻率高而構詞能力差的單字詞等， 將網頁文本分割成一段段由7"或空格隔開的短語句，縮減網頁文本字符的長度。
[0076] 步驟S13，對所述短語句進行詞性標注。
[0077]具體的，運用隱馬爾科夫模型和Viterbi算法，實現對短語句的詞性標注。
[0078] 步驟S14,對詞性標注后的短語句轉換為映射值對（index，value)，其中value指短 語句的文本內容，index指value在網頁文本中的位置。
[0079] 步驟S2,利用正向最大匹配中文分詞方法和反向最大匹配中文分詞方法對短語句 的文本內容進行切分，得出兩種分詞結果，并判斷兩種分詞結果是否相同，若相同，執行步 驟S4,若不相同，執行步驟S3。
[0080] 如圖8所示，正向最大匹配中文分詞方法包括以下步驟：
[0081] 步驟S210,從每一個value的首字開始掃描，預先設定以該字開頭的所有詞語中最 大詞長為N，取出詞長為N的漢子串，若value的長度小于N，則將value的實際長度賦值給N， 并將該長度為N的字符串設為Str。
[0082] 步驟S211，將Str與詞典進行匹配，若在詞典中找到Str，則將劃分成value中的一 個詞語，若匹配詞典不成功，則將Str的尾字去掉重新賦值給Str，再將Str與詞典再一次匹 配，若匹配則Str成功分詞，否則繼續去掉Str的尾字重新賦值給Str。
[0083] 步驟S212,依此類推，直到與詞典匹配成功或N的長度為1為止，一次分詞結束，繼 續將value作為首字對余下網頁文本進行分詞。
[0084] 步驟S213,輸出正向匹配分詞結果。
[0085] 如圖9所示，反向最大匹配中文分詞方法包括以下步驟：
[0086] 步驟S220,從每一個value的尾字開始掃描，預先設定以該字開頭的所有詞語中最 大詞長為N，取出詞長為N的漢子串，若value的長度小于N，則將value的實際長度賦值給N， 并將該長度為N的字符串設為Str。
[0087] 步驟S221，將Str與詞典進行匹配，若在詞典中找到Str，則將劃分成value中的一 個詞語，若匹配詞典不成功，則將Str的首字去掉重新賦值給Str，再將Str與詞典再一次匹 配，若匹配則Str成功分詞，否則繼續去掉Str的首字重新賦值給Str。
[0088] 步驟S222,依此類推，直到與詞典匹配成功或N的長度為1為止，一次分詞結束，繼 續將value作為尾字對余下網頁文本進行分詞。
[0089] 步驟S223,輸出反向匹配分詞結果。
[0090]步驟S3,利用已經訓練完畢的BP神經網絡對歧義字段分詞，得到相應的分詞結果。
[0091]如圖所示，為BP神經網絡模型結構圖。BP神經網絡模型是在模擬人腦結構和行為 的基礎上，用大量簡單的處理單元廣泛連接組成的復雜網絡，研究成果顯示了人工神經網 絡的主要特征為連續時間非線性動力學、網絡的全局作用、大規模并行分布處理及高度的 魯棒性和學習聯想能力。本申請利用神經網絡進行分詞的目的，是要使網絡能夠學習到歧 義字段中所包含的各種不同的語法規則，當句子中再次出現符合同樣語法規則的歧義字段 時，網絡能夠做出正確響應。BP神經網絡的語句預處理，是按照一些規定的規則對其進行切 分，比如規則:歧義字段首字與前面構成詞匯，則首字后切分，否則自己成詞。例："球拍賣完 了"和"東西拍賣完了"，其中"拍賣"是歧義字段，按照規則，劃分結果是"球拍/賣/完/了"和 "東西/拍賣/完/ 了"。
[0092]步驟S4,對未登錄詞識別并輸出最終的網頁文本分詞結果。
[0093] 對未登錄詞識別的步驟包括:設k = 1，k為整數。
[0094] 步驟S41，對分詞結果，首先根據構詞規則判斷一定的詞義，例如姓名構詞。然后從 第k個詞語開始，分別將連續的兩個、三個和四個相鄰的詞語合并為候選未登錄詞 W1、W2、W3。
[0095] 步驟S42,將候選未登錄詞作為關鍵詞輸入到網絡中進行檢索。
[0096] 步驟S43,判斷候選未登錄詞是否是有效的未登錄詞，判斷是未登錄詞，則合并相 鄰詞語。
[0097] 判斷依據是:候選未登錄詞是否會存在相應的百科網絡頁面。具體來說，在網絡頁 面返回結果的超文本標記語言〈title〉標簽包含候選未登錄詞。若 W3為未登錄詞，則設置k = k+4，執行步驟S44，否之判斷W2是不是未登錄詞;若W2為未登錄詞，則設置k = k+3，執行步 驟S44，否之判斷奶是不是未登錄詞;對W1做一樣的處理，設置k = k+2。
[0098] 步驟S44,若k小于該分詞后語句的詞語個數，則返回步驟S41，否則對下一個分詞 結果判斷未登錄詞，直到所有文本判斷完畢。
[0099] 本申請提供的一種網頁文本的中文分詞裝置及方法，通過根據正、反向最大匹配 得到一部分的分詞結果，一部分帶有歧義的語句，然后運用神經網絡的自學習、并行處理等 優點處理歧義語句，結合雙向最大匹配和神經網絡的優點，互相補充，能高效快速地處理網 頁文本分詞。
[0100] 以上所述僅為本發明的較佳實施例，對本發明而言僅僅是說明性的，而非限制性 的。本專業技術人員理解，在本發明權利要求所限定的精神和范圍內可對其進行許多改變， 修改，甚至等效，但都將落入本發明的保護范圍內。
【主權項】
1. 一種網頁文本的中文分詞方法，其特征在于，該方法包括以下步驟： 步驟S1，提取網頁文本并對所述網頁文本進行預處理； 步驟S2,利用正向最大匹配中文分詞方法和反向最大匹配中文分詞方法對短語句的文 本內容進行切分，得出兩種分詞結果，并判斷兩種分詞結果是否相同，若相同，執行步驟S4， 若不相同，執行步驟S3; 步驟S3,利用已經訓練完畢的BP神經網絡對歧義字段分詞，得到相應的分詞結果； 步驟S4，對未登錄詞識別并輸出最終的網頁文本分詞結果。2. 根據權利要求1所述的一種網頁文本的中文分詞方法，其特征在于，所述步驟S1包括 以下步驟： 步驟S11，利用網頁爬蟲獲取網頁文本； 步驟S12,將所述網頁文本分割成一段段的短語句，縮減網頁文本字符的長度； 步驟S13，對所述短語句進行詞性標注； 步驟S14,對詞性標注后的短語句轉換為映射值對(index，value)，其中value指短語句 的文本內容，index指value在網頁文本中的位置。3. 根據權利要求2所述的一種網頁文本的中文分詞方法，其特征在于，所述步驟S2中的 正向最大匹配中文分詞方法包括以下步驟： 步驟S210,從每一個value的首字開始掃描，預先設定以該字開頭的所有詞語中最大詞 長為N，取出詞長為N的漢子串，若value的長度小于N，則將value的實際長度賦值給N，并將 該長度為N的字符串設為S tr; 步驟S211，將Str與詞典進行匹配，若在詞典中找到Str，則將劃分成value中的一個詞 語，若匹配詞典不成功，則將Str的尾字去掉重新賦值給Str，再將Str與詞典再一次匹配，若 匹配則Str成功分詞，否則繼續去掉Str的尾字重新賦值給Str; 步驟S212,依此類推，直到與詞典匹配成功或N的長度為1為止，一次分詞結束，繼續將 value作為首字對余下網頁文本進行分詞； 步驟S213，輸出正向匹配分詞結果。4. 根據權利要求2所述的一種網頁文本的中文分詞方法，其特征在于，所述步驟S2中的 反向最大匹配中文分詞方法包括以下步驟： 步驟S220,從每一個value的尾字開始掃描，預先設定以該字開頭的所有詞語中最大詞 長為N，取出詞長為N的漢子串，若value的長度小于N，則將value的實際長度賦值給N，并將 該長度為N的字符串設為S tr; 步驟S221，將Str與詞典進行匹配，若在詞典中找到Str，則將劃分成value中的一個詞 語，若匹配詞典不成功，則將Str的首字去掉重新賦值給Str，再將Str與詞典再一次匹配，若 匹配則Str成功分詞，否則繼續去掉Str的首字重新賦值給Str; 步驟S222,依此類推，直到與詞典匹配成功或N的長度為1為止，一次分詞結束，繼續將 value作為尾字對余下網頁文本進行分詞。 步驟S223，輸出反向匹配分詞結果。5. -種網頁文本的中文分詞裝置，其特征在于，該裝置包括： 前期處理模塊，用于提取網頁文本并對所述網頁文本進行預處理； 最大匹配模塊，用于利用正向最大匹配中文分詞方法和反向最大匹配中文分詞方法對 短語句的文本內容進行切分，得出兩種分詞結果，并判斷兩種分詞結果是否相同； 神經網絡消歧模塊，用于利用已經訓練完畢的BP神經網絡對歧義字段分詞，得到相應 的分詞結果； 文本輸出模塊，用于對未登錄詞識別并輸出最終的網頁文本分詞結果。6. 根據權利要求5所述的一種網頁文本的中文分詞裝置，其特征在于，所述前期處理模 塊包括： 文本提取單元，用于利用網頁爬蟲獲取網頁文本； 粗切分單元，用于將所述網頁文本分割成一段段的短語句，縮減網頁文本字符的長度； 詞性標記單元，用于對所述短語句進行詞性標注； 詞性轉換單元，用于對詞性標注后的短語句轉換為映射值對（index，value )，其中 value指短語句的文本內容，index指value在網頁文本中的位置。7. 根據權利要求5所述的一種網頁文本的中文分詞裝置，其特征在于，所述最大匹配模 塊包括： 正向最大匹配模塊，用于運用正向最大匹配中文分詞方法對短語句的文本內容進行切 分，得到正向匹配分詞結果； 反向最大匹配模塊，用于運用反向最大匹配中文分詞方法對短語句的文本內容進行切 分，得到反向匹配分詞結果； 比較異同單元，用于判斷所述兩種分詞結果是否相同。8. 根據權利要求5所述的一種網頁文本的中文分詞裝置，其特征在于，所述神經網絡消 歧模塊包括： 語句預處理單元，用于依據Unicode碼和自定義不同類型對應詞性代碼，對包含各類型 交集型歧義的語句訓練樣本進行逐一編碼，變成神經網絡能夠識別、學習和存儲的數值向 量形式，送至神經網絡輸入層； BP神經網絡單元，用于根據模型總公式得到網絡輸出值，通過梯度下降法對誤差逆傳 播進行修正權值； 轉碼輸出分詞結果單元，用于將通過BP神經網絡單元計算得到的向量型輸出，根據一 定的數值范圍轉化成帶有7"分詞的語句。9. 根據權利要求5所述的一種網頁文本的中文分詞裝置，其特征在于，所述文本輸出模 塊包括： 未登錄詞識別單元，用于對未登錄詞進行識別； 最終分詞結果輸出單元，用于輸出最終的分詞結果。
【文檔編號】G06F17/27GK105975454SQ201610257885
【公開日】2016年9月28日
【申請日】2016年4月21日
【發明人】簡宋全, 鄒立斌, 李青海, 侯大勇
【申請人】廣州精點計算機科技有限公司