一种获取英文词的方法及装置制造方法及图纸

本发明专利技术公开了一种获取英文词的方法及装置。该方法包括：获取搜索引擎查询日志并进行分词，获取含有字母串的查询词；根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词，统计该候选词的词语特征值；获取候选词中字母串对应的中文词，统计该中文词的词语特征值，获取该中文词的词语特征值与对应候选词的词语特征值的比值，如果该比值小于预先设置的比阈值，则该候选词作为英文词。应用本发明专利技术，可以提升获取英文词的效率。

【技术实现步骤摘要】
一种获取英文词的方法及装置
本专利技术涉及计算机通信技术，特别涉及一种获取英文词的方法及装置。
技术介绍
随着计算机通信技术以及互联网技术的发展，互联网络上传输的信息资源成指数增长，通过互联网络获取相关信息越来越成为人们生活以及工作中不可或缺的一部分。但随着传输的信息资源的指数增长，随之也会相应的产生很多新词以及网络词，其中也包括很多英文词，因而，如何去获取这些新出现的英文词资源也就成为了亟待解决的问题。现有技术中，对于英文词的获取，主要方法是利用大型的词典资源，包括在线的词典资源以及传统的词典资源，例如，在线的词典资源可以是剑桥线上的英英词典(CambridgeDictionary)等，传统的词典资源可以是牛津大辞典等。由上述可见，现有通过大型词典获取英文词的方法，较为简单有效，但是，由于信息资源的增长十分迅速，英文词以及网络新词层出不穷，而无论是在线的词典资源还是传统的词典资源，其维护与更新需要一定的时间周期，因而，利用词典的方法并不能做到很好的覆盖新词，对于一些新出现的英文词以及网络中文词，通过上述词典还无法获取该类新词，使得通过词典获取英文词的效率不高；进一步地，对在线的词典或传统的词典进行维护和更新，也需要首先获取新出现的英文词，而现有技术中，对于如何获取新出现的英文词还没有较好的解决方法。
技术实现思路
有鉴于此，本专利技术的主要目的在于提出一种获取英文词的方法，提升获取英文词的效率。本专利技术的另一目的在于提出一种获取英文词的装置，提升获取英文词的效率。为达到上述目的，本专利技术提供了一种获取英文词的方法，该方法包括：获取搜索引擎查询日志并进行分词，获取含有字母串的查询词；根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的特征值对应的含有字母串的查询词作为候选词，统计该候选词的词语特征值；获取候选词中字母串对应的中文词，统计该中文词的词语特征值，获取该中文词的词语特征值与对应候选词的词语特征值的比值，如果该比值小于预先设置的比阈值，则该候选词作为英文词。所述含有字母串的查询词包括：含有英文串的查询词以及含有拼音串的查询词。所述词语特征解析方法包括：词语的搜索次数统计方法以及词语对应的网页点击次数统计方法。所述根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词包括：统计获取的各含有字母串的查询词在搜索引擎查询日志中出现的搜索次数；获取搜索次数大于预先设置的搜索次数阈值对应的含有字母串的查询词，作为初步候选词；根据初步候选词，统计该初步候选词在搜索引擎查询日志中出现的网页点击次数；获取网页点击次数大于预先设置的网页点击次数阈值对应的初步候选词，作为候选词输出。所述在获取网页点击次数大于预先设置的网页点击次数阈值对应的初步候选词之后，作为候选词输出之前，进一步包括：将获取的网页点击次数大于预先设置的网页点击次数阈值对应的初步候选词作为中间候选词；统计中间候选词在搜索引擎查询日志中出现的混合查询次数；获取混合查询次数次数大于预先设置的混合查询次数阈值对应的中间候选词。所述提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词的步骤之后，获取候选词中字母串对应的中文词的步骤之前，进一步包括：根据拼音构成规则对候选词进行识别；如果候选词不符合拼音构成规则，直接将其作为英文词；如果候选词符合拼音构成规则，执行获取候选词中字母串对应的中文词的步骤。一种获取英文词的装置，该装置包括：查询词选取模块、词语特征匹配模块以及英文词特征匹配模块，其中，查询词选取模块，用于根据获取的搜索引擎查询日志，进行分词，获取含有字母串的查询词；词语特征匹配模块，用于根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词，统计该候选词的词语特征值；英文词特征匹配模块，用于获取候选词中字母串对应的中文词，统计该中文词的词语特征值，获取该中文词的词语特征值与对应候选词的词语特征值的比值，如果该比值小于预先设置的比阈值，则该候选词作为英文词。进一步包括：拼音串过滤模块，用于根据拼音构成规则对词语特征匹配模块输出的候选词进行识别，如果候选词不符合拼音构成规则，直接将其作为英文词；如果候选词符合拼音构成规则，将该候选词输出至英文词特征匹配模块。所述词语特征匹配模块包括搜索次数统计单元、搜索次数判断单元、网页点击次数统计单元、网页点击次数判断单元以及候选词单元，其中，搜索次数统计单元，用于统计查询词选取模块获取的各含有字母串的查询词在搜索引擎查询日志中出现的搜索次数；搜索次数判断单元，用于将搜索次数大于预先设置的搜索次数阈值对应的含有字母串的查询词输出至网页点击次数统计单元；网页点击次数统计单元，用于根据接收的含有字母串的查询词，统计该含有字母串的查询词在搜索引擎查询日志中出现的网页点击次数；网页点击次数判断单元，用于将网页点击次数大于预先设置的网页点击次数阈值对应的含有字母串的查询词作为候选词，输出至候选词单元进行存储。所述词语特征匹配模块进一步包括：混合查询次数统计单元以及混合查询次数判断单元，其中，混合查询次数统计单元，用于根据网页点击次数判断单元输出的含有字母串的查询词，统计该含有字母串的查询词在搜索引擎查询日志中出现的混合查询次数；混合查询次数判断单元，用于将混合查询次数次数大于预先设置的混合查询次数阈值对应的含有字母串的查询词作为候选词，输出至候选词存储单元进行存储。由上述的技术方案可见，本专利技术实施例提供的一种获取英文词的方法及装置，获取搜索引擎查询日志并进行分词，获取含有字母串的查询词；根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词，统计该候选词的词语特征值；获取候选词中字母串对应的中文词，统计该中文词的词语特征值，获取该中文词的词语特征值与对应候选词的词语特征值的比值，如果该比值小于预先设置的比阈值，则该候选词作为英文词。这样，基于较为全面地覆盖互联网络中出现新词的搜索引擎查询日志，进行分词处理，获取含有字母串的查询词，基于词语特征解析方法对其正确性进行认证，并基于字母串对应的中文词的词语特征值，将含有字母串的查询词中的含有英文串的查询词以及含有拼音串的查询词进行区分，从而可以获取最新的英文词资源，提升了获取英文词的效率。附图说明图1为本专利技术实施例获取英文词的装置结构示意图。图2为本专利技术实施例获取英文词的方法流程示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本专利技术作进一步地详细描述。现有通过大型词典获取英文词的方法，由于不能实时对词典进行更新，因而，对于信息资源中一些新出现的英文词，未能收录在词典中，存在滞后效应。本专利技术实施例中，考虑到互联网络中搜索引擎所具有的强大搜索能力，在用户输入搜索关键词，使用搜索引擎进行搜索查询时，搜索引擎将记录用户的查询行为，包括输入的搜索关键词以及进行搜索查询的得到的搜索查询结果，生成搜索引擎查询日志并存储，因而，基于搜索引擎查询日志，从搜索引擎本文档来自技高网...

【技术保护点】
一种获取英文词的方法，其特征在于，该方法包括：获取搜索引擎查询日志并进行分词，获取含有字母串的查询词；根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词，统计该候选词的词语特征值；获取候选词中字母串对应的中文词，统计该中文词的词语特征值，获取该中文词的词语特征值与对应候选词的词语特征值的比值，如果该比值小于预先设置的比阈值，则该候选词作为英文词。

【技术特征摘要】
1.一种获取英文词的方法，其特征在于，该方法包括：获取搜索引擎查询日志并进行分词，获取含有字母串的查询词；根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词，统计该候选词的词语特征值；获取候选词中字母串对应的中文词，统计该中文词的词语特征值，获取该中文词的词语特征值与对应候选词的词语特征值的比值，如果该比值小于预先设置的比阈值，则该候选词作为英文词。2.如权利要求1所述的方法，其特征在于，所述含有字母串的查询词包括：含有英文串的查询词以及含有拼音串的查询词。3.如权利要求2所述的方法，其特征在于，所述词语特征解析方法包括：词语的搜索次数统计方法以及词语对应的网页点击次数统计方法。4.如权利要求3所述的方法，其特征在于，所述根据预先设置的词语特征解析方法获取含有字母串的查询词的特征值，提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词，包括：统计获取的各含有字母串的查询词在搜索引擎查询日志中出现的搜索次数；获取搜索次数大于预先设置的搜索次数阈值对应的含有字母串的查询词，作为初步候选词；根据初步候选词，统计该初步候选词在搜索引擎查询日志中出现的网页点击次数；获取网页点击次数大于预先设置的网页点击次数阈值对应的初步候选词，作为候选词输出。5.如权利要求4所述的方法，其特征在于，所述在获取网页点击次数大于预先设置的网页点击次数阈值对应的初步候选词之后，作为候选词输出之前，进一步包括：将获取的网页点击次数大于预先设置的网页点击次数阈值对应的初步候选词作为中间候选词；统计中间候选词在搜索引擎查询日志中出现的混合查询次数；获取混合查询次数大于预先设置的混合查询次数阈值对应的中间候选词。6.如权利要求1至5任一项所述的方法，其特征在于，所述提取查询词的特征值超过预先设置的特征阈值的含有字母串的查询词作为候选词的步骤之后，获取候选词中字母串对应的中文词的步骤之前，进一步包括：根据拼音构成规则对候选词进行识别；如果候选词不符合拼音构成规则，直接将其作为英文词；如果候选词符合拼音构成规则，执行获取候选词中字母串对应的中文词的步骤。7.一...

【专利技术属性】
技术研发人员：李超，宋国龙，贾自艳，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：