1.一種信息處理方法，其特征在于，所述方法包括：

判斷待處理的文本中是否存在歧義詞；

當(dāng)所述待處理的文本中存在歧義詞時，從所述待處理的文本中拆分出歧義詞；

根據(jù)與所述拆分出的歧義詞對應(yīng)的分詞規(guī)則，對所述拆分出的歧義詞進行拆分。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，判斷待處理的文本中是否存在歧義詞，包括：

采用逆向最大匹配算法判斷所述待處理的文本中與歧義詞數(shù)據(jù)庫中是否有相同的詞；

當(dāng)所述待處理的文本中與歧義詞數(shù)據(jù)庫中有相同的詞時，所述待處理的文本中存在歧義詞；當(dāng)所述待處理的文本中與歧義詞數(shù)據(jù)庫中沒有相同的詞時，所述待處理的文本中不存在歧義詞。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，判斷待處理的文本中是否存在歧義詞之前，還包括：

根據(jù)字符編碼、標(biāo)點符號、人名數(shù)據(jù)庫對接收的信息進行拆分，得到所述待處理的文本；

通過正向最大匹配算法將所述待處理的文本與詞語數(shù)據(jù)庫、擴展數(shù)據(jù)庫中的詞組匹配，得到第一種匹配結(jié)果；

通過逆向最大匹配算法將所述待處理的文本與詞語數(shù)據(jù)庫、擴展數(shù)據(jù)庫中的詞組匹配，得到第二種匹配結(jié)果；

根據(jù)所述第一種匹配結(jié)果拆分所述待處理的文本，得到第一子文本集合，所述第一子文本集合包括多個子文本；

根據(jù)所述第二種匹配結(jié)果拆分所述待處理的文本，得到第二子文本集合，所述第二子文本集合包括多個子文本；

當(dāng)所述第一子文本集合與所述第二子文本集合不相同，且所述第一子文本集合和所述第二子文本集合中具有相同字數(shù)的子文本的數(shù)量相同，且所述第一子文本集合中子文本的數(shù)量等于所述第二子文本集合中子文本的數(shù)量時，將所述第一子文本集合作為所述待處理文本的拆分結(jié)果，并觸發(fā)所述判斷待處理的文本中是否存在歧義詞。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)與所述拆分出的歧義詞對應(yīng)的分詞規(guī)則，對所述拆分出的歧義詞進行拆分之后，還包括：

合并所述拆分結(jié)果及對所述拆分出的歧義詞進行拆分后得到的結(jié)果，得到分詞集合，所述分詞集合中的分詞按照在所述待處理的文本中的位置排列；

當(dāng)所述分詞集合中含有連續(xù)的單字時，根據(jù)低概率單字數(shù)據(jù)庫判斷所述連續(xù)的單字中是否含有低概率單字，如果是，則將所述低概率單字左邊的連續(xù)單字合成為一個詞，所述低概率單字右邊的連續(xù)單字合成為一個詞。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，將所述低概率單字左邊的連續(xù)單字合成為一個詞，所述低概率單字右邊的連續(xù)單字合成為一個詞之后，還包括：

判斷合成的詞中是否存在長度大于預(yù)設(shè)值的詞，如果存在，則將所述長度大于預(yù)設(shè)值的詞添加到人工識別數(shù)據(jù)庫；

從所述人工識別數(shù)據(jù)庫中篩選出符合預(yù)設(shè)篩選條件的詞；

將篩選出的詞添加到所述擴展數(shù)據(jù)庫。

6.一種信息處理裝置，其特征在于，所述裝置包括：

第一判斷單元，用于判斷待處理的文本中是否存在歧義詞；

第一拆分單元，用于當(dāng)所述第一判斷單元判斷出所述待處理的文本中存在歧義詞時，從所述待處理的文本中拆分出歧義詞；

第二拆分單元，用于根據(jù)與所述第一拆分單元拆分出的歧義詞對應(yīng)的分詞規(guī)則，對所述拆分出的歧義詞進行拆分。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第一判斷單元具體用于：

采用逆向最大匹配算法判斷所述待處理的文本中與歧義詞數(shù)據(jù)庫中是否有相同的詞；

當(dāng)所述待處理的文本中與歧義詞數(shù)據(jù)庫中有相同的詞時，所述待處理的文本中存在歧義詞；當(dāng)所述待處理的文本中與歧義詞數(shù)據(jù)庫中沒有相同的詞時，所述待處理的文本中不存在歧義詞。