[發(fā)明專(zhuān)利]信息抽取方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201611200449.8
• 申請(qǐng)日: 2016-12-22
• 公開(kāi)（公告）號(hào): CN108228676B
• 公開(kāi)（公告）日: 2021-08-13
• 發(fā)明（設(shè)計(jì)）人: 李陽(yáng);張鋒
• 申請(qǐng)（專(zhuān)利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類(lèi)號(hào): G06F16/31
• 分類(lèi)號(hào): G06F16/31;G06F16/2455
• 代理公司: 廣州華進(jìn)聯(lián)合專(zhuān)利商標(biāo)代理有限公司 44224
• 代理人: 何平;鄧云鵬

1.一種信息抽取方法，其特征在于，所述方法包括：

獲取待抽取文本；

設(shè)置自定義節(jié)點(diǎn)，所述自定義節(jié)點(diǎn)的節(jié)點(diǎn)格式為每一自定義節(jié)點(diǎn)以第一標(biāo)識(shí)符號(hào)進(jìn)行標(biāo)識(shí)，每一自定義節(jié)點(diǎn)的節(jié)點(diǎn)內(nèi)容包括節(jié)點(diǎn)名和通過(guò)文本信息屬性與文本信息屬性值的對(duì)應(yīng)關(guān)系表達(dá)的文本信息，所述文本信息屬性與對(duì)應(yīng)的文本信息屬性值之間的對(duì)應(yīng)關(guān)系通過(guò)第二標(biāo)識(shí)符號(hào)進(jìn)行標(biāo)識(shí)，每一文本信息屬性值通過(guò)第三標(biāo)識(shí)符號(hào)進(jìn)行標(biāo)識(shí)；

根據(jù)所述節(jié)點(diǎn)格式對(duì)所述待抽取文本進(jìn)行解析生成表達(dá)所述待抽取文本的文本信息的節(jié)點(diǎn)，通過(guò)所述節(jié)點(diǎn)組成隊(duì)列；

獲取通過(guò)子節(jié)點(diǎn)生成父節(jié)點(diǎn)的節(jié)點(diǎn)合成規(guī)則；所述節(jié)點(diǎn)合成規(guī)則包括將多個(gè)節(jié)點(diǎn)所表達(dá)的文本信息進(jìn)行合成形成新節(jié)點(diǎn)，以形成子節(jié)點(diǎn)和父節(jié)點(diǎn)對(duì)應(yīng)關(guān)系的運(yùn)算規(guī)則；

根據(jù)所述節(jié)點(diǎn)合成規(guī)則對(duì)所述隊(duì)列中的所述節(jié)點(diǎn)進(jìn)行合成生成父節(jié)點(diǎn)，根據(jù)所述父節(jié)點(diǎn)形成抽取信息。

2.如權(quán)利要求1所述的信息抽取方法，其特征在于：所述方法還包括：

設(shè)置表達(dá)時(shí)間、地址、人物相關(guān)的文本信息的節(jié)點(diǎn)為內(nèi)置節(jié)點(diǎn)；

設(shè)置表達(dá)事件類(lèi)型相關(guān)的文本信息的節(jié)點(diǎn)為消息節(jié)點(diǎn)。

3.如權(quán)利要求1所述的信息抽取方法，其特征在于：所述方法還包括：

設(shè)置文本信息屬性與文本信息屬性值的類(lèi)型，所述文本信息屬性包括原始字符串、規(guī)整后字符串及詞性標(biāo)記，所述原始字符串對(duì)應(yīng)的文本信息屬性值為原始文本，所述規(guī)整后字符串對(duì)應(yīng)的文本信息屬性值為將原始文本以預(yù)設(shè)格式轉(zhuǎn)換后的文本，所述詞性標(biāo)記對(duì)應(yīng)的文本信息屬性值為用于分別標(biāo)識(shí)不同原始文本詞性的預(yù)設(shè)字符。

4.如權(quán)利要求1所述的信息抽取方法，其特征在于：所述方法還包括：

設(shè)置文本信息屬性，所述文本信息屬性包括可空屬性。

5.如權(quán)利要求1所述的信息抽取方法，其特征在于：所述方法還包括：

設(shè)置文本信息屬性與文本信息屬性值的類(lèi)型，所述文本信息屬性包括過(guò)濾屬性，過(guò)濾屬性對(duì)應(yīng)的文本信息屬性值為過(guò)濾條件。

6.如權(quán)利要求1所述的信息抽取方法，其特征在于：所述方法還包括：

設(shè)置文本節(jié)點(diǎn)，所述文本節(jié)點(diǎn)的節(jié)點(diǎn)格式為直接顯示原始文本表達(dá)文本信息。

7.如權(quán)利要求1所述的信息抽取方法，其特征在于：所述節(jié)點(diǎn)的節(jié)點(diǎn)格式包括通過(guò)文本信息屬性與文本信息屬性值的對(duì)應(yīng)關(guān)系表達(dá)文本信息，所述獲取通過(guò)子節(jié)點(diǎn)生成父節(jié)點(diǎn)的節(jié)點(diǎn)合成規(guī)則的步驟包括：

獲取復(fù)制指定子節(jié)點(diǎn)的文本信息屬性值作為父節(jié)點(diǎn)的文本信息屬性值的復(fù)制合成規(guī)則。

8.如權(quán)利要求1所述的信息抽取方法，其特征在于：所述節(jié)點(diǎn)的節(jié)點(diǎn)格式包括通過(guò)文本信息屬性與文本信息屬性值的對(duì)應(yīng)關(guān)系表達(dá)文本信息，所述獲取通過(guò)子節(jié)點(diǎn)生成父節(jié)點(diǎn)的節(jié)點(diǎn)合成規(guī)則的步驟包括：

獲取選取多個(gè)子節(jié)點(diǎn)的文本信息屬性值合并生成父節(jié)點(diǎn)的文本信息屬性值的合并合成規(guī)則。

9.如權(quán)利要求1所述的信息抽取方法，其特征在于：所述節(jié)點(diǎn)的節(jié)點(diǎn)格式包括通過(guò)文本信息屬性與文本信息屬性值的對(duì)應(yīng)關(guān)系表達(dá)文本信息，所述獲取通過(guò)子節(jié)點(diǎn)生成父節(jié)點(diǎn)的節(jié)點(diǎn)合成規(guī)則的步驟包括：

獲取選取所有子節(jié)點(diǎn)的指定文本信息屬性的文本信息屬性值生成父節(jié)點(diǎn)的文本信息屬性值的收集合成規(guī)則。

10.如權(quán)利要求1所述的信息抽取方法，其特征在于：所述根據(jù)所述節(jié)點(diǎn)合成規(guī)則對(duì)所述隊(duì)列中的所述節(jié)點(diǎn)進(jìn)行合成生成父節(jié)點(diǎn)，根據(jù)所述父節(jié)點(diǎn)形成抽取信息的步驟包括：

判斷所述隊(duì)列是否為空；

當(dāng)所述隊(duì)列不為空時(shí)，將所述隊(duì)列頭部的節(jié)點(diǎn)存儲(chǔ)至數(shù)據(jù)庫(kù)中形成待抽取節(jié)點(diǎn)；

將所述數(shù)據(jù)庫(kù)中的待抽取節(jié)點(diǎn)與所述節(jié)點(diǎn)合成規(guī)則進(jìn)行匹配，當(dāng)所述待抽取節(jié)點(diǎn)與所述節(jié)點(diǎn)合成規(guī)則匹配時(shí)，將所述待抽取節(jié)點(diǎn)按照所述節(jié)點(diǎn)合成規(guī)則進(jìn)行合成生成父節(jié)點(diǎn)，并返回所述判斷所述隊(duì)列是否為空的步驟；

當(dāng)所述隊(duì)列為空時(shí)，根據(jù)所述數(shù)據(jù)庫(kù)中的所述父節(jié)點(diǎn)形成抽取信息。