[發明專利]名稱獲取方法和裝置

在審

• 申請號: 201610522357.5
• 申請日: 2016-07-05
• 公開（公告）號: CN107577655A
• 公開（公告）日: 2018-01-12
• 發明（設計）人: 何鑫
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 北京康信知識產權代理有限責任公司11240
• 代理人: 韓建偉,張永明

1.一種名稱獲取方法，其特征在于，包括：

在目標實體詞對應的目標網站中提取語料；

按照預設特征從所述語料中提取與所述目標實體詞對應的候選名稱；

根據預設條件在所述候選名稱中篩選出與所述目標實體詞對應的名稱。

2.根據權利要求1所述的方法，其特征在于，按照預設特征從所述語料中提取候選名稱，包括：

獲取用于提取所述候選名稱的規則模板；

在所述語料中提取與所述規則模板匹配的語句，其中，與所述規則模板匹配的語句包括：包含所述目標實體詞的第一語句和不包含所述目標實體詞的第二語句；

在所述第二語句中查找與所述目標實體詞對應的替換詞，并使用所述替換詞替換所述第一語句中的目標實體詞；

在替換后所述第一語句的意義不發生改變的情況下，確認所述第二語句中的名稱為所述候選名稱。

3.根據權利要求2所述的方法，其特征在于，獲取用于提取所述候選名稱的規則模板，包括：

獲取所述目標實體詞出現的語句的上下文信息，其中，所述上下文信息包括在所述語句中，出現于所述目標實體詞前的詞語和出現于所述目標實體詞后的詞語；

在所述語料中統計上下文信息與所述目標實體詞出現的語句的上下文信息相同的語句出現的次數；

在上下文信息與所述目標實體詞出現的語句的上下文信息相同的語句出現的次數超過預設閾值時，確認所述目標實體詞出現的語句為所述規則模板。

4.根據權利要求2或3所述的方法，其特征在于，根據預設條件在所述候選名稱中篩選出與所述目標實體詞對應的名稱，包括：

獲取每個候選名稱的標簽信息、所述每個候選名稱在不同語料中出現次數的分布情況以及出現在所述第二語句中的候選名稱的次數與未出現在所述第二語句中的候選名稱的次數的比例，其中，所述不同語料包括所述目標實體詞的語料和其他詞的語料；

匯總所述標簽信息、所述分布情況以及所述比例，得到所述每個候選名稱的得分；

將所述每個候選名稱的得分與預設分數比對，確認所述候選名稱集合中得分超過所述預設分數的候選名稱為所述目標實體詞對應的名稱。

5.根據權利要求2或3所述的方法，其特征在于，根據預設條件在所述候選名稱中篩選出與所述目標實體詞對應的名稱，包括：在所述候選名稱中篩選得到滿足所述預設條件的候選名稱，其中，所述預設條件包括如下任意一條或多條：

所述候選名稱的詞性與所述目標實體詞的詞性相同；

所述候選名稱在不同語料中出現次數的分布滿足預設分布條件；

出現在所述第二語句中的候選名稱的次數與未出現在所述第二語句中的候選名稱的次數的比例滿足預設比例值。

6.一種名稱獲取裝置，其特征在于，包括：

第一提取模塊，用于在目標實體詞對應的目標網站中提取語料；

第二提取模塊，用于按照預設特征從所述語料中提取與所述目標實體詞對應的候選名稱；

篩選模塊，用于根據預設條件在所述候選名稱中篩選出與所述目標實體詞對應的名稱。

7.根據權利要求6所述的裝置，其特征在于，所述第二提取模塊包括：

第一獲取模塊，用于獲取用于提取所述候選名稱的規則模板；

提取子模塊，用于在所述語料中提取與所述規則模板匹配的語句，其中，與所述規則模板匹配的語句包括：包含所述目標實體詞的第一語句和不包含所述目標實體詞的第二語句；

查找模塊，用于在所述第二語句中查找與所述目標實體詞對應的替換詞，并使用所述替換詞替換所述第一語句中的目標實體詞；

第一確認模塊，用于在替換后所述第一語句的意義不發生改變的情況下，確認所述第二語句中的名稱為所述候選名稱。

8.根據權利要求7所述的裝置，其特征在于，所述第一獲取模塊包括：

獲取子模塊，用于獲取所述目標實體詞出現的語句的上下文信息，其中，所述上下文信息包括所述目標實體詞前和所述目標實體詞后的詞語個數；

統計模塊，用于在所述語料中統計上下文信息與所述目標實體詞出現的語句的上下文信息相同的語句出現的次數；

第二確認模塊，用于在上下文信息與所述目標實體詞出現的語句的上下文信息相同的語句出現的次數超過預設閾值時，確認所述目標實體詞出現的語句為所述規則模板。