[發明專利]從語言輸入數據自動生成N?元和概念關系

在審

• 申請號: 201580060933.2
• 申請日: 2015-10-14
• 公開（公告）號: CN107111608A
• 公開（公告）日: 2017-08-29
• 發明（設計）人: F·諾茲;C·奇斯格;M·扎拉芬;M·B·維拉達-莫伊恩;R·吉尼特
• 申請（專利權）人: 甲骨文國際公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/28;G06F17/30
• 代理公司: 中國國際貿易促進委員會專利商標事務所11038
• 代理人: 李曉芳

1.一種從web資源自動生成詞元詞典的方法，所述方法包括：

從所述web資源內的基于文本的文檔中提取多個標記；

從所述多個標記生成多個N-元；

接收識別有效N-元的一個或多個過濾器定義；

使用所述一個或多個過濾器定義來過濾所述多個N-元，以生成詞元詞典；以及

生成包括所述詞元詞典的本體。

2.如權利要求1所述的方法，其中從所述基于文本的文檔中提取所述多個標記包括識別并且消除結構化和格式化文本，所述結構化和格式化文本由此從所述多個標記中排除。

3.如權利要求1所述的方法，其中所述web資源包括web域，并且其中所述web域包括多個HTML網頁。

4.如權利要求1所述的方法，其中生成所述多個N-元包括生成如詞組合在所述web資源中出現的那樣的詞組合。

5.如權利要求1所述的方法，還包括：

在過濾所述多個N-元之后，使得用戶界面被顯示；

接收消除所述詞元詞典中的所述N-元中的至少一個N-元的輸入。

6.如權利要求1所述的方法，其中所述一個或多個過濾器定義包括用于N-元中的各個標記的詞性過濾器。

7.如權利要求1所述的方法，其中所述一個或多個過濾器定義包括文本模式。

8.如權利要求1所述的方法，其中所述一個或多個過濾器定義包括N-元在所述web資源中出現的最小頻率。

9.如權利要求1所述的方法，其中所述一個或多個過濾器定義包括語言的選擇。

10.一種非暫態計算機可讀介質，所述非暫態計算機可讀介質包括指令，所述指令當由一個或多個處理器執行時，使得所述一個或多個處理器執行操作，所述操作包括：

從所述web資源內的基于文本的文檔中提取多個標記；

從所述多個標記生成多個N-元；

接收識別有效N-元的一個或多個過濾器定義；

使用所述一個或多個過濾器定義來過濾所述多個N-元，以生成詞元詞典；以及

生成包括所述詞元詞典的本體。

11.如權利要求10所述的非暫態計算機可讀介質，其中生成所述多個N-元包括生成如詞組合在所述web資源中出現的那樣的詞組合。

12.如權利要求10所述的非暫態計算機可讀介質，其中所述一個或多個過濾器定義包括用于N-元中的各個標記的詞性過濾器。

13.如權利要求10所述的非暫態計算機可讀介質，其中所述一個或多個過濾器定義包括文本模式。

14.如權利要求10所述的非暫態計算機可讀介質，其中所述一個或多個過濾器定義包括N-元在所述web資源中出現的最小頻率。

15.如權利要求10所述的非暫態計算機可讀介質，其中所述一個或多個過濾器定義包括語言的選擇。

16.一種系統，包括：

一個或多個處理器；以及

包括指令的一個或多個存儲器設備，所述指令當由所述一個或多個處理器執行時，使得所述一個或多個處理器執行操作，所述操作包括：

從所述web資源內的基于文本的文檔中提取多個標記；

從所述多個標記生成多個N-元；

接收識別有效N-元的一個或多個過濾器定義；

使用所述一個或多個過濾器定義來過濾所述多個N-元，以生成詞元詞典；以及

生成包括所述詞元詞典的本體。

17.如權利要求16所述的系統，其中生成所述多個N-元包括生成如詞組合在所述web資源中出現的那樣的詞組合。

18.如權利要求16所述的系統，其中所述一個或多個過濾器定義包括用于N-元中的各個標記的詞性過濾器。

19.如權利要求16所述的系統，其中所述一個或多個過濾器定義包括N-元在所述web資源中出現的最小頻率。

20.如權利要求16所述的系統，其中所述一個或多個過濾器定義包括語言的選擇。