[發明專利]獲取預定義字符數據的方法和裝置

有效

• 申請號: 200910243515.3
• 申請日: 2009-12-25
• 公開（公告）號: CN102110103A
• 公開（公告）日: 2011-06-29
• 發明（設計）人: 馬騰飛;萬小軍;楊建武;肖建國
• 申請（專利權）人: 北京大學;北大方正集團有限公司;北京方正電子政務信息科技有限公司;北京北大方正電子有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 余剛

1.一種獲取預定義字符數據的方法，其特征在于，包括：

對待處理字符數據進行詞性標注，劃分出顯性字符數據或/和隱性字符數據；

從所述顯性字符數據中查找出具有預定義字符數據類型的數據，作為所述顯性字符數據的預定義字符數據；

從基準字符數據的中心實體中查找出具有所述預定義字符數據類型的數據，作為與所述隱性字符數據相對應的預定義字符數據。

2.根據權利要求1所述的方法，其特征在于，所述查找之前，還包括：

將所述顯性字符數據、或/和隱性字符數據按照預定義規則劃分為兩個部分以上，分別對每個部分進行查找。

3.根據權利要求2所述的方法，其特征在于，若每個部分查找出所述預定義字符數據的數據個數為兩個以上時，則將查找出的數據作為候選對象和與其相鄰的前一部分查找出的候選對象進行匹配，若匹配后得出一個相同的數據，則將得出數據作為最終的預定義字符數據；

若匹配后得出兩個以上相同的預定義字符數據，則分別確定每個預定義字符數據的階序，并按照階序確定出一個作為所述預定義字符數據類型的數據。

4.根據權利要求3所述的方法，其特征在于，當從基準字符數據的查找出具有所述預定義字符數據類型的數據時，所述分別確定每個數據的階序的過程包括：

對所述隱性字符數據進行分詞、語法分析，獲得相應的句子向量；

從所述基準字符數據中獲得各個中心實體及每個中心實體的向量，將所述中心實體的向量和所述句子向量分別在所述基準數據和預定義的數據庫中進行向量擴展；

獲取每個中心實體和所述隱形對象在向量擴展之后，相互之間的相似度，并按照相似度確定相應的階序。

5.根據權利要求4所述的方法，其特征在于，從所述基準字符數據獲得各個中心實體的過程包括：

采用構造出的分類器從所述基準字符數據中識別出所述中心實體。

6.根據權利要求1所述的方法，其特征在于，從所述顯性字符數據中查找的過程包括：

對所述顯性字符數據進行命名實體識別，在識別出的字符數據中獲得具有預定義字符數據類型的數據。

7.一種獲取預定義字符數據的裝置，其特征在于，包括：

分析單元，用于對待處理字符數據進行詞性標注，劃分出顯性字符數據或/和隱性字符數據；

顯性處理單元，用于從所述顯性字符數據中查找出具有預定義字符數據類型的數據，作為所述顯性字符數據的預定義字符數據；

隱性處理單元，用于從基準字符數據的中心實體中查找出具有所述預定義字符數據類型的數據，作為與所述隱性字符數據相對應的預定義字符數據。

8.根據權利要求7所述的裝置，其特征在于，還包括：

劃分單元，用于將所述顯性字符數據、或/和隱性字符數據按照預定義規則劃分為兩個部分以上，將劃分后的數據傳輸至所述顯性處理單元或隱性處理單元，所述顯性處理單元或隱性處理單元對所述每個部分分別進行查找。

9.根據權利要求8所述的裝置，其特征在于，所述顯性處理單元內和隱性處理單元內分別還包括：

匹配模塊，用于若每個部分查找出所述預定義字符數據的數據個數為兩個以上時，則將查找出的數據作為候選對象和與其相鄰的前一部分查找出的候選對象進行匹配，若匹配后得出一個相同的數據，則將得出數據作為最終的預定義字符數據。

10.根據權利要求9所述的裝置，其特征在于，所述顯性處理單元內還包括第一階序模塊，所述隱性處理單元內還包括第二階序模塊，

所述第一階序模塊、第二階序模塊，用于所述匹配模塊匹配后得出兩個以上相同的預定義字符數據，則分別確定每個預定義字符數據的階序，并按照階序確定出一個作為所述預定義字符數據類型的數據。