从中文语料库提取知识的方法与系统

摘要

本发明公开了一种从主要用中文书写的源语料库(101)中提取知识(103)的方法、系统和计算机可读介质，用于生成中文本体库。所述方法包括步骤：从源语料库(101)获取字符串(141)，其中每个源语料库(101)代表一个概念；将所述字符串(141)分割成分割的词语或单词(142)；对所述分割的词语或单词(142)应用词性(POS)标注(113)；由所述分割的词语或单词将单独的中文词语或单词搭配成有意义的短语或复合词；从所述已分割的短语、词语或单词(142)中提取中文名词短语、词语或单词(148)；为所述提取结果推算词频；并存储所述提取结果与所述概念的词频加权向量(149)，用于生成另一个中文本体库。