[發明專利]實體挖掘系統和方法

有效

• 申請號: 201611089730.9
• 申請日: 2016-12-01
• 公開（公告）號: CN108132947B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 張喜媛;曾剛;何戩
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/2458
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙) 11435
• 代理人: 陳姍姍

1.一種實體挖掘系統，其特征在于，所述系統包括：

標注單元，配置用于獲取當前領域的第一組知識信息和若干實體，根據所述若干實體對所述第一組知識信息進行標注；

規則挖掘單元，配置用于對標注實體的第一組知識信息進行分詞篩選，得到一階頻繁項集，在所述一階頻繁項集中篩選出現頻率最高的若干高頻詞匯，得到高頻項集，對所述高頻項集進行排列組合，并篩選共現頻率最高的若干詞組，根據篩選出的詞組生成有序關聯規則；

實體挖掘單元，配置用于獲取當前領域的第二組知識信息，根據所述高頻詞匯對所述第二組知識信息進行標注，根據所述有序關聯規則的正則表達式對標注高頻詞匯的第二組知識信息進行挖掘，得到若干實體候選；

過濾單元，配置用于根據預定的過濾規則對所述若干實體候選進行過濾，生成實體挖掘結果并輸出。

2.根據權利要求1所述的實體挖掘系統，其特征在于，所述標注單元進一步配置用于確認待挖掘實體的屬性，所述若干實體的屬性與所述待挖掘實體相同或相關聯。

3.根據權利要求1所述的實體挖掘系統，其特征在于，所述過濾規則包括以下至少一項：長度過濾、標點過濾、前綴過濾、后綴過濾和已知實體過濾。

4.根據權利要求1所述的實體挖掘系統，其特征在于，所述過濾單元進一步配置用于輸出實體候選以供人工評估過濾，并接收人工過濾結果。

5.根據權利要求1-4任一項所述的實體挖掘系統，其特征在于，還包括以下至少一項：

知識信息存儲單元，配置用于存儲至少一個領域的知識信息；

實體存儲單元，配置用于存儲至少一個領域的實體字典；

輸入單元，配置用于輸入實體；

知識爬取單元，配置用于從互聯網爬取知識信息。

6.根據權利要求1-4任一項所述的實體挖掘系統，其特征在于，所述當前領域為醫療領域，所述知識信息為醫療問答數據。

7.一種實體挖掘方法，其特征在于，所述方法包括：

獲取當前領域的第一組知識信息和若干實體，根據所述若干實體對所述第一組知識信息進行標注；

從標注實體的第一組知識信息中篩選若干關聯的高頻詞匯，對所述高頻 詞匯進行排列組合，并篩選所述若干高頻詞匯中共現頻率最高的若干詞組以生成有序關聯規則，具體包括：

對標注實體的第一組知識信息進行分詞篩選，得到一階頻繁項集；

在所述一階頻繁項集中篩選出現頻率最高的若干高頻詞匯，得到高頻項集；

對所述高頻項集進行排列組合，并篩選共現頻率最高的若干詞組；

根據篩選出的詞組生成有序關聯規則；獲取當前領域的第二組知識信息，根據所述有序關聯規則的正則表達式對所述第二組知識信息進行挖掘，得到若干實體候選，具體包括：獲取當前領域的第二組知識信息；

根據所述高頻詞匯對所述第二組知識信息進行標注；

根據所述有序關聯規則的正則表達式對標注高頻詞匯的第二組知識信息進行挖掘；

根據預定的過濾規則對所述若干實體候選進行過濾，生成實體挖掘結果并輸出。

8.根據權利要求7所述的實體挖掘方法，其特征在于，所述獲取當前領域的第一組知識信息和若干實體，根據所述若干實體對所述第一組知識信息進行標注包括：

確認待挖掘實體的屬性；

獲取當前領域的第一組知識信息，以及具有與所述待挖掘實體相同或相關聯屬性的若干實體；

根據所述若干實體對所述第一組知識信息進行標注。

9.根據權利要求7所述的實體挖掘方法，其特征在于，所述過濾規則包括以下至少一項：長度過濾、標點過濾、前綴過濾、后綴過濾和已知實體過濾。