[發(fā)明專利]一種面向新聞標(biāo)題的人物關(guān)系抽取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510965136.0
• 申請(qǐng)日: 2015-12-21
• 公開(kāi)（公告）號(hào): CN105608070B
• 公開(kāi)（公告）日: 2019-01-25
• 發(fā)明（設(shè)計(jì)）人: 柳廳文;亞靜;張浩亮;時(shí)金橋;趙佳鵬;閆旸;李全剛;張洋
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院信息工程研究所
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27
• 代理公司: 北京君尚知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11200
• 代理人: 邱曉鋒

1.一種面向新聞標(biāo)題的人物關(guān)系抽取方法，其特征在于，包括如下步驟：

1)尋找出新聞標(biāo)題中的關(guān)系指示詞，用以區(qū)分不同類別的人物關(guān)系；

2)根據(jù)人物與關(guān)系指示詞在新聞標(biāo)題中的位置特征，建立描述句子的句式模板；利用訓(xùn)練數(shù)據(jù)統(tǒng)計(jì)每個(gè)模板的正/負(fù)例個(gè)數(shù)，根據(jù)正負(fù)模板的比例判定新聞標(biāo)題中人物間關(guān)系的正確性；所述建立描述句子的句式模板，是根據(jù)句子中的表達(dá)人物關(guān)系的<主語(yǔ)S、謂語(yǔ)P、賓語(yǔ)O>三元組，得到描述句子的句式模版樹(shù)；該句式模板樹(shù)的第一層僅考慮人物X與關(guān)系指示詞Y的位置關(guān)系，分為三類：YXX，XYX，XXY；第二層考慮除去X以外的人M對(duì)于關(guān)系判定的影響，對(duì)于第一層的各模板產(chǎn)生若干子模板；第三層考慮除去M、X、Y的字串@對(duì)于第二層模板的影響，進(jìn)一步產(chǎn)生若干子模板；然后用給定句子在句式模板樹(shù)上進(jìn)行匹配，選擇匹配到的模板中正/負(fù)比例最懸殊的模板，若選定模板的正例個(gè)數(shù)大于負(fù)例個(gè)數(shù)，則關(guān)系正確，否則關(guān)系錯(cuò)誤；

3)從新聞標(biāo)題與人物屬性知識(shí)庫(kù)中提取特征，通過(guò)特征分類的方法并結(jié)合步驟2)得到的句式模板的正/負(fù)例個(gè)數(shù)，判定給定的人物關(guān)系是否正確。

2.如權(quán)利要求1所述的方法，其特征在于，步驟1)在尋找關(guān)系指示詞之前進(jìn)行數(shù)據(jù)清洗，通過(guò)制定啟發(fā)式規(guī)則直接判定不符合條件的新聞標(biāo)題。

3.如權(quán)利要求2所述的方法，其特征在于，所述啟發(fā)式規(guī)則包括：

①如果新聞標(biāo)題中不存在給定關(guān)系的關(guān)系指示詞，則人物關(guān)系錯(cuò)誤；

②如果給定人物的名字+相鄰字為人名，則人物關(guān)系錯(cuò)誤；

③如果給定人物或者給定關(guān)系出現(xiàn)在書名號(hào)中，則人物關(guān)系錯(cuò)誤；

④如果“給定人物+各種親戚朋友”出現(xiàn)在句子中，則人物關(guān)系錯(cuò)誤。

4.如權(quán)利要求1所述的方法，其特征在于，步驟1)利用最小覆蓋的方法尋找出新聞標(biāo)題中的關(guān)系指示詞，其方法是：對(duì)于給定的某一種關(guān)系類型的數(shù)據(jù)，記訓(xùn)練集為P＝{p₁,p₂,...,p_n}，其中p_i為第i條文本標(biāo)題，i＝1,2,…n；對(duì)P進(jìn)行分詞處理后獲取一個(gè)詞典數(shù)據(jù)W＝{w₁,w₂,...,w_m}，其中w_i為詞典中第i個(gè)單詞,i＝1,2,…m；關(guān)系類型的關(guān)系指示詞提取轉(zhuǎn)化為在詞典中尋找一個(gè)子集并滿足：S能夠覆蓋P，即P的每條語(yǔ)料p_i中至少有一個(gè)單詞在S中出現(xiàn)；將求解訓(xùn)練集P的最小覆蓋單詞集S作為關(guān)系指示詞。

5.如權(quán)利要求1所述的方法，其特征在于，步驟3)提取句子中人物的知識(shí)庫(kù)特征、關(guān)系指示詞特征、詞間距特征，作為候選特征，再利用信息增益選擇特征，最后利用決策樹(shù)判定人物關(guān)系是否正確。