[發(fā)明專利]實(shí)體挖掘系統(tǒng)和方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611089730.9
• 申請(qǐng)日: 2016-12-01
• 公開（公告）號(hào): CN108132947B
• 公開（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 張喜媛;曾剛;何戩
• 申請(qǐng)（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/2458
• 代理公司: 北京志霖恒遠(yuǎn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11435
• 代理人: 陳姍姍

1.一種實(shí)體挖掘系統(tǒng)，其特征在于，所述系統(tǒng)包括：

標(biāo)注單元，配置用于獲取當(dāng)前領(lǐng)域的第一組知識(shí)信息和若干實(shí)體，根據(jù)所述若干實(shí)體對(duì)所述第一組知識(shí)信息進(jìn)行標(biāo)注；

規(guī)則挖掘單元，配置用于對(duì)標(biāo)注實(shí)體的第一組知識(shí)信息進(jìn)行分詞篩選，得到一階頻繁項(xiàng)集，在所述一階頻繁項(xiàng)集中篩選出現(xiàn)頻率最高的若干高頻詞匯，得到高頻項(xiàng)集，對(duì)所述高頻項(xiàng)集進(jìn)行排列組合，并篩選共現(xiàn)頻率最高的若干詞組，根據(jù)篩選出的詞組生成有序關(guān)聯(lián)規(guī)則；

實(shí)體挖掘單元，配置用于獲取當(dāng)前領(lǐng)域的第二組知識(shí)信息，根據(jù)所述高頻詞匯對(duì)所述第二組知識(shí)信息進(jìn)行標(biāo)注，根據(jù)所述有序關(guān)聯(lián)規(guī)則的正則表達(dá)式對(duì)標(biāo)注高頻詞匯的第二組知識(shí)信息進(jìn)行挖掘，得到若干實(shí)體候選；

過濾單元，配置用于根據(jù)預(yù)定的過濾規(guī)則對(duì)所述若干實(shí)體候選進(jìn)行過濾，生成實(shí)體挖掘結(jié)果并輸出。

2.根據(jù)權(quán)利要求1所述的實(shí)體挖掘系統(tǒng)，其特征在于，所述標(biāo)注單元進(jìn)一步配置用于確認(rèn)待挖掘?qū)嶓w的屬性，所述若干實(shí)體的屬性與所述待挖掘?qū)嶓w相同或相關(guān)聯(lián)。

3.根據(jù)權(quán)利要求1所述的實(shí)體挖掘系統(tǒng)，其特征在于，所述過濾規(guī)則包括以下至少一項(xiàng)：長(zhǎng)度過濾、標(biāo)點(diǎn)過濾、前綴過濾、后綴過濾和已知實(shí)體過濾。

4.根據(jù)權(quán)利要求1所述的實(shí)體挖掘系統(tǒng)，其特征在于，所述過濾單元進(jìn)一步配置用于輸出實(shí)體候選以供人工評(píng)估過濾，并接收人工過濾結(jié)果。

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的實(shí)體挖掘系統(tǒng)，其特征在于，還包括以下至少一項(xiàng)：

知識(shí)信息存儲(chǔ)單元，配置用于存儲(chǔ)至少一個(gè)領(lǐng)域的知識(shí)信息；

實(shí)體存儲(chǔ)單元，配置用于存儲(chǔ)至少一個(gè)領(lǐng)域的實(shí)體字典；

輸入單元，配置用于輸入實(shí)體；

知識(shí)爬取單元，配置用于從互聯(lián)網(wǎng)爬取知識(shí)信息。

6.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的實(shí)體挖掘系統(tǒng)，其特征在于，所述當(dāng)前領(lǐng)域?yàn)獒t(yī)療領(lǐng)域，所述知識(shí)信息為醫(yī)療問答數(shù)據(jù)。

7.一種實(shí)體挖掘方法，其特征在于，所述方法包括：

獲取當(dāng)前領(lǐng)域的第一組知識(shí)信息和若干實(shí)體，根據(jù)所述若干實(shí)體對(duì)所述第一組知識(shí)信息進(jìn)行標(biāo)注；

從標(biāo)注實(shí)體的第一組知識(shí)信息中篩選若干關(guān)聯(lián)的高頻詞匯，對(duì)所述高頻 詞匯進(jìn)行排列組合，并篩選所述若干高頻詞匯中共現(xiàn)頻率最高的若干詞組以生成有序關(guān)聯(lián)規(guī)則，具體包括：

對(duì)標(biāo)注實(shí)體的第一組知識(shí)信息進(jìn)行分詞篩選，得到一階頻繁項(xiàng)集；

在所述一階頻繁項(xiàng)集中篩選出現(xiàn)頻率最高的若干高頻詞匯，得到高頻項(xiàng)集；

對(duì)所述高頻項(xiàng)集進(jìn)行排列組合，并篩選共現(xiàn)頻率最高的若干詞組；

根據(jù)篩選出的詞組生成有序關(guān)聯(lián)規(guī)則；獲取當(dāng)前領(lǐng)域的第二組知識(shí)信息，根據(jù)所述有序關(guān)聯(lián)規(guī)則的正則表達(dá)式對(duì)所述第二組知識(shí)信息進(jìn)行挖掘，得到若干實(shí)體候選，具體包括：獲取當(dāng)前領(lǐng)域的第二組知識(shí)信息；

根據(jù)所述高頻詞匯對(duì)所述第二組知識(shí)信息進(jìn)行標(biāo)注；

根據(jù)所述有序關(guān)聯(lián)規(guī)則的正則表達(dá)式對(duì)標(biāo)注高頻詞匯的第二組知識(shí)信息進(jìn)行挖掘；

根據(jù)預(yù)定的過濾規(guī)則對(duì)所述若干實(shí)體候選進(jìn)行過濾，生成實(shí)體挖掘結(jié)果并輸出。

8.根據(jù)權(quán)利要求7所述的實(shí)體挖掘方法，其特征在于，所述獲取當(dāng)前領(lǐng)域的第一組知識(shí)信息和若干實(shí)體，根據(jù)所述若干實(shí)體對(duì)所述第一組知識(shí)信息進(jìn)行標(biāo)注包括：

確認(rèn)待挖掘?qū)嶓w的屬性；

獲取當(dāng)前領(lǐng)域的第一組知識(shí)信息，以及具有與所述待挖掘?qū)嶓w相同或相關(guān)聯(lián)屬性的若干實(shí)體；

根據(jù)所述若干實(shí)體對(duì)所述第一組知識(shí)信息進(jìn)行標(biāo)注。

9.根據(jù)權(quán)利要求7所述的實(shí)體挖掘方法，其特征在于，所述過濾規(guī)則包括以下至少一項(xiàng)：長(zhǎng)度過濾、標(biāo)點(diǎn)過濾、前綴過濾、后綴過濾和已知實(shí)體過濾。