[發(fā)明專利]一種基于社會網(wǎng)絡(luò)和人名上下文的人物信息消歧處理方法

無效

• 申請?zhí)枺?/td>: 201010593747.4
• 申請日: 2010-12-17
• 公開（公告）號: CN102054029A
• 公開（公告）日: 2011-05-11
• 發(fā)明（設(shè)計）人: 劉遠(yuǎn)超;劉銘;王曉龍;劉秉權(quán);林磊;單麗莉;孫承杰
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 牟永林

1.一種基于社會網(wǎng)絡(luò)和人名上下文的人物信息消歧處理方法，其特征在于它包括下述步驟：一、用戶輸入一個要檢索的人名，利用搜索引擎完成檢索，利用下載軟件把檢索到的網(wǎng)頁下載到本地計算機；二、對上述網(wǎng)頁分別進行正文提取處理、分詞處理和詞性標(biāo)注的處理，形成文檔；三、利用人物領(lǐng)域信息先對文檔進行分類，再利用社會網(wǎng)絡(luò)和上下文信息對人物領(lǐng)域信息進行聚類處理，最終顯示出每個人物領(lǐng)域信息與實體人物之間的對應(yīng)關(guān)系，并且顯示出每個實體人物存在的社會網(wǎng)絡(luò)。

2.根據(jù)權(quán)利要求1所述的一種基于社會網(wǎng)絡(luò)和人名上下文的人物信息消歧處理方法，其特征在于在第三步驟中利用人物領(lǐng)域信息進行分類是這樣進行的：基于人物領(lǐng)域信息進行預(yù)分類，將人物信息分為文娛、行政、軍事、科教、體育、醫(yī)療、經(jīng)濟七大類，根據(jù)手工標(biāo)注的語料，提取每個領(lǐng)域類別的特征信息，形成一個領(lǐng)域特征庫，利用SVM進行文檔分類處理。

3.根據(jù)權(quán)利要求2所述的一種基于社會網(wǎng)絡(luò)和人名上下文的人物信息消歧處理方法，其特征在于第三步驟中利用人物領(lǐng)域信息進行分類是這樣進行的：根據(jù)文檔詞頻、信息增益、互信息、X2統(tǒng)計、交叉熵法和優(yōu)勢率這些統(tǒng)計量獲得文檔特征，然后采用基于屬性論的文本相似度方法來進行人物信息的預(yù)分類處理；每個領(lǐng)域人物信息的特征庫是已知的一個文本信息向量，利用目標(biāo)文本向量與之計算相似度，每個領(lǐng)域都計算一次，哪個相似度大就將其歸為哪一個類別。

4.根據(jù)權(quán)利要求1所述的一種基于社會網(wǎng)絡(luò)和人名上下文的人物信息消歧處理方法，其特征在于在第三步驟中利用社會網(wǎng)絡(luò)和上下文信息對人物領(lǐng)域信息進行聚類處理是這樣進行的：文檔中出現(xiàn)的其他人物信息及人名附件的上下文信息能很好的顯示了人物的一些用于區(qū)別他人的特有屬性。文檔中共現(xiàn)的人名組成其社會網(wǎng)絡(luò)，上下文信息構(gòu)成其社會屬性特征。