[發明專利]一種面向在線百科的實體屬性抽取方法及系統

有效

• 申請號: 201410065743.7
• 申請日: 2014-02-26
• 公開（公告）號: CN103853823B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 程學旗;賈巖濤;張澤慧;王元卓;馮凱;熊錦華;許洪波
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京泛華偉業知識產權代理有限公司11280
• 代理人: 王勇,李科

1.一種面向在線百科的實體屬性抽取方法，包括：

步驟1）、在待抽取的在線百科網頁文本集合T中選擇一個頁面，抽取該頁面的實體屬性表達規則，得到當前規則集合；

步驟2）、使用當前規則集合對所述待抽取的在線百科網頁文本集合T進行實體屬性抽取，并且根據抽取得到的實體屬性抽取T的實體屬性表達規則，用抽取得到的規則集合作為當前規則集合并重復這一過程k次，得到最終規則集合；其中k為非負整數；

步驟3）、使用所述最終規則集合對T進行實體屬性抽取。

2.根據權利要求1所述的方法，其中，步驟1）包括：

步驟11）、在待抽取的在線百科網頁文本集合T中選擇一個頁面；

步驟12）、標注該頁面的實體屬性，得到實體屬性集合U；

步驟13)、根據實體屬性集合U，抽取該頁面的實體屬性表達規則，得到規則集合R。

3.根據權利要求2所述的方法，其中，步驟13）還包括：

根據實體屬性表達規則在所述頁面中出現的位置，對R中的每條實體屬性表達規則賦權重；其中，出現在所述頁面中屬性描述部分的實體屬性表達規則的權重大于出現在所述頁面中非屬性描述部分且沒有出現在屬性描述部分的實體屬性表達規則的權重。

4.根據權利要求3所述的方法，其中，步驟2）包括：

步驟21）、使用規則集合R對所述待抽取的在線百科網頁文本集合T進行實體屬性抽取；

步驟22）、根據實體屬性在頁面中出現的位置以及抽取出該實體屬性的實體屬性表達規則的權重，從抽取得到的實體屬性得到實體屬性集合U'；

步驟23）、根據實體屬性集合U'抽取T的實體屬性表達規則，得到規則集合R'；

步驟24）、將R更新為R'并返回步驟21）直到該過程重復了k次，得到最終規則集合；其中k為非負整數。

5.根據權利要求4所述的方法，其中，步驟22）包括：

步驟a）、根據實體屬性在頁面中出現的位置以及抽取出該實體屬性的實體屬性表達規則的權重，對該實體屬性賦權重；

步驟b）、選擇權重值最高的n個實體屬性，得到實體屬性集合U'；其中n為正整數。

6.根據權利要求5所述的方法，其中，步驟a）包括：

將出現在頁面中屬性描述部分的實體屬性賦權重α₁*β；以及

將出現在頁面中非屬性描述部分且沒有出現在屬性描述部分的實體屬性賦權重α₂*β；

其中，β為抽取出該實體屬性的實體屬性表達規則的權重，且α₂＜α₁。

7.根據權利要求4所述的方法，其中，步驟22）還包括：

將實體屬性集合U合并到U'。

8.根據權利要求7所述的方法，其中，步驟24）還包括：

在返回步驟21）時，將U更新為U'。

9.根據權利要求4所述的方法，其中，步驟23）還包括：

根據實體屬性表達規則在頁面中出現的位置，對規則集合R'中的每條實體屬性表達規則賦權重；其中，出現在頁面中屬性描述部分的實體屬性表達規則的權重大于出現在頁面中非屬性描述部分且沒有出現在屬性描述部分的實體屬性表達規則的權重。

10.根據權利要求9所述的方法，其中，步驟24）還包括：

在抽取得到的實體屬性表達規則中，將權重值最高的m個實體屬性表達規則作為最終規則集合；其中m為正整數。

11.一種面向在線百科的實體屬性抽取系統，包括：

規則獲取裝置，用于在待抽取的在線百科網頁文本集合T中選擇一個頁面，抽取該頁面的實體屬性表達規則，得到當前規則集合；

新規則生成裝置，用于使用當前規則集合對所述待抽取的在線百科網頁文本集合T進行實體屬性抽取，并且根據抽取得到的實體屬性抽取T的實體屬性表達規則，用抽取得到的規則集合作為當前規則集合并重復這一過程k次，得到最終規則集合；其中k為非負整數；以及

實體屬性抽取裝置，用于使用所述最終規則集合對T進行實體屬性抽取。