[發(fā)明專利]自動擴展參考數(shù)據(jù)的系統(tǒng)和方法

無效

• 申請?zhí)枺?/td>: 200610128032.5
• 申請日: 2006-08-31
• 公開（公告）號: CN101136020A
• 公開（公告）日: 2008-03-05
• 發(fā)明（設(shè)計）人: 郭宏蕾;郭志立;蘇中
• 申請（專利權(quán)）人: 國際商業(yè)機器公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中國國際貿(mào)易促進委員會專利商標(biāo)事務(wù)所
• 代理人: 李穎

1.一種用于從數(shù)據(jù)資源中自動提取參考實體數(shù)據(jù)的系統(tǒng)，所述系統(tǒng)包括：

實體數(shù)據(jù)解析裝置，與數(shù)據(jù)資源耦接，用于對數(shù)據(jù)資源中的實體數(shù)據(jù)進行解析，以獲得每個實體數(shù)據(jù)的內(nèi)部語義結(jié)構(gòu)，并從所述內(nèi)部語義結(jié)構(gòu)產(chǎn)生特征集；以及

數(shù)據(jù)提取裝置，用于根據(jù)所述實體數(shù)據(jù)解析裝置產(chǎn)生的特征集提取參考實體數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述數(shù)據(jù)提取裝置根據(jù)聚類方式和/或概率統(tǒng)計方式，從所述數(shù)據(jù)中提取參考實體數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的系統(tǒng)，所述實體數(shù)據(jù)解析裝置與參考數(shù)據(jù)樣本種子列表、參考數(shù)據(jù)收集規(guī)范和現(xiàn)有的參考數(shù)據(jù)詞典中的至少一個相連，其中所述參考數(shù)據(jù)樣本種子列表用于定義要提取的實體參考數(shù)據(jù)的樣本，所述參考數(shù)據(jù)收集規(guī)范用于定義用于從中提取參考數(shù)據(jù)的數(shù)據(jù)集，所述現(xiàn)有的參考數(shù)據(jù)詞典可用作所述實體數(shù)據(jù)解析裝置對數(shù)據(jù)資源中的實體數(shù)據(jù)進行解析的依據(jù)。

4.根據(jù)權(quán)利要求1所述的系統(tǒng)，所述數(shù)據(jù)提取裝置進一步包括：

片斷提取裝置，用于根據(jù)所述特征集提取實體數(shù)據(jù)中的片斷條目；

實體提取裝置，用于提取所述片斷條目對應(yīng)的實體數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的系統(tǒng)，所述片斷提取裝置進一步包括：

用于根據(jù)下述至少之一對片斷進行聚類的裝置：實體類型、實體內(nèi)部語義結(jié)構(gòu)和屬性、可用的實體共指鏈、共同的代表性參考實體片斷以及現(xiàn)有的參考數(shù)據(jù)詞典和別名列表。

6.根據(jù)權(quán)利要求4所述的系統(tǒng)，所述片斷提取裝置進一步包括：

用于根據(jù)下述至少之一對片斷進行統(tǒng)計分析的裝置：實體類型、實體內(nèi)部語義結(jié)構(gòu)和屬性、可用的實體共指鏈、共同的代表性參考實體片斷以及現(xiàn)有的參考數(shù)據(jù)詞典和別名列表。

7.根據(jù)權(quán)利要求1所述的系統(tǒng)，由所述數(shù)據(jù)提取裝置提取出的實體參考數(shù)據(jù)被用于更新所述現(xiàn)有的參考數(shù)據(jù)詞典和/或所述參考數(shù)據(jù)樣本種子列表。

8.根據(jù)權(quán)利要求1所述的系統(tǒng)，還包括：

存留組件，用于對從數(shù)據(jù)提取裝置輸出的候選參考實體數(shù)據(jù)進行優(yōu)化。

9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中所述存留組件包括：

標(biāo)準(zhǔn)化裝置，用于根據(jù)參考數(shù)據(jù)標(biāo)準(zhǔn)化規(guī)則庫和/或復(fù)合參考數(shù)據(jù)條目組合規(guī)則庫，對候選參考實體數(shù)據(jù)進行標(biāo)準(zhǔn)化。

10.根據(jù)權(quán)利要求8或9所述的系統(tǒng)，其中所述存留組件包括：去重裝置，用于從候選參考實體數(shù)據(jù)中去除重復(fù)的實例。

11.根據(jù)權(quán)利要求1所述的系統(tǒng)，還包括：

判斷組件，用于判斷是否滿足使數(shù)據(jù)提取裝置停止提取新的參考實體數(shù)據(jù)的條件。

12.一種用于從數(shù)據(jù)資源中自動提取參考實體數(shù)據(jù)的方法，所述方法包括：

對數(shù)據(jù)資源中的實體數(shù)據(jù)進行解析，以獲得每個實體數(shù)據(jù)的內(nèi)部語義結(jié)構(gòu)，并從所述內(nèi)部語義結(jié)構(gòu)產(chǎn)生特征集；以及

根據(jù)所述實體數(shù)據(jù)解析產(chǎn)生的特征集提取參考實體數(shù)據(jù)。

13.根據(jù)權(quán)利要求12所述的方法，其中根據(jù)聚類方式和/或概率統(tǒng)計方式，從所述數(shù)據(jù)中提取參考實體數(shù)據(jù)。

14.根據(jù)權(quán)利要求12所述的方法，其中參照參考數(shù)據(jù)樣本種子列表、參考數(shù)據(jù)收集規(guī)范和現(xiàn)有的參考數(shù)據(jù)詞典中的至少一個來對實體數(shù)據(jù)進行解析，其中所述參考數(shù)據(jù)樣本種子列表用于定義要提取的實體參考數(shù)據(jù)的樣本，所述參考數(shù)據(jù)收集規(guī)范用于定義用于從中提取參考數(shù)據(jù)的數(shù)據(jù)集，所述現(xiàn)有的參考數(shù)據(jù)詞典可用作對數(shù)據(jù)資源中的實體數(shù)據(jù)進行解析的依據(jù)。

15.根據(jù)權(quán)利要求12所述的方法，所述根據(jù)所述實體數(shù)據(jù)解析產(chǎn)生的特征集提取參考實體數(shù)據(jù)進一步包括：

根據(jù)所述特征集提取實體數(shù)據(jù)中的片斷條目；

提取所述片斷條目對應(yīng)的實體數(shù)據(jù)。

16.根據(jù)權(quán)利要求15所述的方法，所述根據(jù)所述特征集提取實體數(shù)據(jù)中的片斷條目的步驟進一步包括：

根據(jù)下述至少之一對片斷進行聚類：實體類型、實體內(nèi)部語義結(jié)構(gòu)和屬性、可用的實體共指鏈、共同的代表性參考實體片斷以及現(xiàn)有的參考數(shù)據(jù)詞典和別名列表。