[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

本發(fā)明提供一種實(shí)體挖掘系統(tǒng)和方法，該系統(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)該若干實(shí)體對(duì)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，并篩選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；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)有序關(guān)聯(lián)規(guī)則對(duì)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)各實(shí)體候選進(jìn)行過濾，生成實(shí)體挖掘結(jié)果并輸出。本發(fā)明利用有序關(guān)聯(lián)規(guī)則進(jìn)行實(shí)體挖掘，提高了實(shí)體挖掘的準(zhǔn)確率，并對(duì)挖掘結(jié)果進(jìn)行有效過濾，保障了挖掘結(jié)果的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，具體涉及一種實(shí)體挖掘系統(tǒng)和方法。

背景技術(shù)

目前，在部分領(lǐng)域中，系統(tǒng)中存儲(chǔ)的實(shí)體數(shù)據(jù)不夠全面和完善，難以滿足用戶搜索查詢信息的需求，導(dǎo)致用戶需要耗費(fèi)大量的時(shí)間進(jìn)行信息的查找、閱讀和判斷分析。

例如，在醫(yī)療領(lǐng)域中，患者在得知自己患有某種疾病或者推測(cè)自己可能有某種疾病時(shí)，通常會(huì)借助搜索來查找相應(yīng)的疾病信息，而當(dāng)系統(tǒng)中沒有存儲(chǔ)該疾病的名稱，或者只存儲(chǔ)有該疾病的學(xué)名，而沒有存儲(chǔ)其別名或簡(jiǎn)稱時(shí)，就會(huì)導(dǎo)致搜索結(jié)果難以滿足用戶的需求，用戶需要在搜索時(shí)耗費(fèi)大量的時(shí)間和精力進(jìn)行查找和判斷。

現(xiàn)有的實(shí)體挖掘的解決方案通常在結(jié)構(gòu)化數(shù)據(jù)頁面內(nèi)挖掘?qū)嶓w標(biāo)簽和屬性，通過預(yù)定的無序規(guī)則獲取實(shí)體，挖掘的準(zhǔn)確率有待提升。

發(fā)明內(nèi)容

鑒于現(xiàn)有技術(shù)中的上述缺陷或不足，期望提供一種通過挖掘有序關(guān)聯(lián)規(guī)則對(duì)實(shí)體進(jìn)行挖掘以提高挖掘準(zhǔn)確率的實(shí)體挖掘系統(tǒng)和方法。

第一方面，本發(fā)明提供一種實(shí)體挖掘系統(tǒng)，該系統(tǒng)包括標(biāo)注單元、規(guī)則挖掘單元、實(shí)體挖掘單元和過濾單元。

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)該若干實(shí)體對(duì)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，并篩選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。

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)有序關(guān)聯(lián)規(guī)則對(duì)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)各實(shí)體候選進(jìn)行過濾，生成實(shí)體挖掘結(jié)果并輸出。

第二方面，本發(fā)明提供一種實(shí)體挖掘方法，該方法包括：

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)該若干實(shí)體對(duì)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)信息中篩選若干高頻詞匯，并篩選若干關(guān)聯(lián)的高頻詞匯中共現(xiàn)頻率最高的若干詞組以生成有序關(guān)聯(lián)規(guī)則；

獲取當(dāng)前領(lǐng)域的第二組知識(shí)信息，根據(jù)有序關(guān)聯(lián)規(guī)則對(duì)第二組知識(shí)信息進(jìn)行挖掘，得到若干實(shí)體候選；

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

第三方面，本發(fā)明還提供一種設(shè)備，包括一個(gè)或多個(gè)處理器和存儲(chǔ)器，其中存儲(chǔ)器包含可由該一個(gè)或多個(gè)處理器執(zhí)行的指令以使得該一個(gè)或多個(gè)處理器執(zhí)行根據(jù)本發(fā)明各實(shí)施例提供的實(shí)體挖掘方法。

第四方面，本發(fā)明還提供一種存儲(chǔ)有計(jì)算機(jī)程序的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)程序使計(jì)算機(jī)執(zhí)行根據(jù)本發(fā)明各實(shí)施例提供的實(shí)體挖掘方法。

本發(fā)明諸多實(shí)施例提供的實(shí)體挖掘系統(tǒng)和方法通過從標(biāo)注實(shí)體的結(jié)構(gòu)化知識(shí)信息中篩選關(guān)聯(lián)的高頻詞匯，并進(jìn)一步篩選其中共現(xiàn)頻率最高的若干詞組以生成有序關(guān)聯(lián)規(guī)則，再利用該有序關(guān)聯(lián)規(guī)則進(jìn)行實(shí)體挖掘，提高了實(shí)體挖掘的準(zhǔn)確率；并且對(duì)挖掘結(jié)果進(jìn)行有效過濾，保障了挖掘結(jié)果的準(zhǔn)確性；