[發(fā)明專利]一種信息挖掘方法和裝置、一種用于信息挖掘的裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710062815.6
• 申請(qǐng)日: 2017-01-25
• 公開（公告）號(hào): CN108345625B
• 公開（公告）日: 2022-09-30
• 發(fā)明（設(shè)計(jì)）人: 邸楠;尹順順;鄧超
• 申請(qǐng)（專利權(quán)）人: 北京搜狗科技發(fā)展有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/33
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 劉祥景

本發(fā)明實(shí)施例提供了一種信息挖掘方法和裝置、一種用于信息挖掘的裝置，其中的方法具體包括：從網(wǎng)頁(yè)文本語(yǔ)料中獲取包含預(yù)置謂語(yǔ)的目標(biāo)語(yǔ)句；從所述目標(biāo)語(yǔ)句對(duì)應(yīng)的句法分析結(jié)果中提取主語(yǔ)和賓語(yǔ)；依據(jù)提取得到的主語(yǔ)和賓語(yǔ)，建立實(shí)體?屬性對(duì)，并保存所述實(shí)體?屬性對(duì)。本發(fā)明實(shí)施例可以從時(shí)效性更強(qiáng)的網(wǎng)頁(yè)文本中及時(shí)地挖掘出新增實(shí)體或者實(shí)體的最新屬性，進(jìn)而能夠提高實(shí)體信息的時(shí)效性。

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)信息技術(shù)領(lǐng)域，特別是涉及一種信息挖掘方法和裝置、一種用于信息挖掘的裝置。

背景技術(shù)

隨著互聯(lián)網(wǎng)信息技術(shù)，特別是無(wú)線互聯(lián)網(wǎng)信息技術(shù)的快速發(fā)展，信息服務(wù)變得越來(lái)越普遍。信息服務(wù)提供商提供信息服務(wù)時(shí)，例如，搜索引擎提供搜索服務(wù)等，通常會(huì)利用實(shí)體提供信息服務(wù)。具體地，可將現(xiàn)實(shí)世界中的客觀事物稱為實(shí)體，例如概念、事物或事件等。舉例來(lái)說(shuō)，影視劇“劇名A”、明星“人名A”、作家“人名B”都是實(shí)體的實(shí)例。同時(shí)，每個(gè)實(shí)體具有屬性，屬性反映實(shí)體的相關(guān)信息，例如，“題材A”、“174cm”、“民族A”分別是上述實(shí)體“劇名A”、“人名A”、“人名B”對(duì)應(yīng)的屬性。

現(xiàn)有的信息挖掘方案可以從網(wǎng)站的結(jié)構(gòu)化數(shù)據(jù)中定向抓取實(shí)體屬性對(duì)，抓取的實(shí)體屬性對(duì)中，一個(gè)實(shí)體可以包括多個(gè)屬性。例如，“人名B”對(duì)應(yīng)的屬性可以包括：“出生地”、“畢業(yè)院校”、“信仰”、“界別”、“民族”、“職務(wù)”、“國(guó)籍”、“代表作品”、“出生日期”、“身高”、“成名作品”、“所獲榮譽(yù)”等。現(xiàn)有的信息挖掘方案具有較高的挖掘精度和挖掘效率。

在實(shí)際應(yīng)用中，隨著互聯(lián)網(wǎng)信息技術(shù)的發(fā)展，實(shí)體或者實(shí)體對(duì)應(yīng)屬性的更新速度較快，這樣，將出現(xiàn)新增實(shí)體或者實(shí)體的屬性發(fā)生變化等。例如，隨著時(shí)間的推移，將新增網(wǎng)絡(luò)流行的實(shí)體“實(shí)體A”、“實(shí)體B”等；或者，隨著時(shí)間的推移，實(shí)體“人名C”對(duì)應(yīng)的“主要成就”、“目標(biāo)”等屬性將發(fā)生變化，例如，在2016百富榜公布后，其對(duì)應(yīng)的“主要成就”將新增“2016中國(guó)首富”。然而，網(wǎng)站的結(jié)構(gòu)化數(shù)據(jù)對(duì)于實(shí)體或者實(shí)體對(duì)應(yīng)屬性的更新速度通常低于實(shí)體或者實(shí)體對(duì)應(yīng)屬性本身的更新速度，因此，現(xiàn)有的信息挖掘方案將無(wú)法及時(shí)地挖掘出新增實(shí)體或者實(shí)體的最新屬性。

發(fā)明內(nèi)容

鑒于上述問(wèn)題，提出了本發(fā)明實(shí)施例以便提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的信息挖掘方法、信息挖掘裝置及用于信息挖掘的裝置，本發(fā)明實(shí)施例可以從時(shí)效性更強(qiáng)的網(wǎng)頁(yè)文本中及時(shí)地挖掘出新增實(shí)體或者實(shí)體的最新屬性，進(jìn)而能夠提高實(shí)體信息的時(shí)效性。

為了解決上述問(wèn)題，本發(fā)明公開了一種信息挖掘方法，包括：

從網(wǎng)頁(yè)文本語(yǔ)料中獲取包含預(yù)置謂語(yǔ)的目標(biāo)語(yǔ)句；

從所述目標(biāo)語(yǔ)句對(duì)應(yīng)的句法分析結(jié)果中提取主語(yǔ)和賓語(yǔ)；

依據(jù)提取得到的主語(yǔ)和賓語(yǔ)，建立實(shí)體-屬性對(duì)，并保存所述實(shí)體-屬性對(duì)。

另一方面，本發(fā)明公開了一種信息挖掘裝置，包括：

目標(biāo)語(yǔ)句獲取模塊，用于從網(wǎng)頁(yè)文本語(yǔ)料中獲取包含預(yù)置謂語(yǔ)的目標(biāo)語(yǔ)句；

主賓提取模塊，用于從所述目標(biāo)語(yǔ)句對(duì)應(yīng)的句法分析結(jié)果中提取主語(yǔ)和賓語(yǔ)；

實(shí)體屬性對(duì)建立模塊，用于依據(jù)提取得到的主語(yǔ)和賓語(yǔ)，建立實(shí)體-屬性對(duì)；以及

實(shí)體屬性對(duì)保存模塊，用于保存所述實(shí)體-屬性對(duì)。

可選地，所述裝置還包括：

關(guān)鍵屬性獲取模塊，用于從實(shí)體對(duì)應(yīng)的多個(gè)屬性中獲取對(duì)所述實(shí)體有指向性的關(guān)鍵屬性；

實(shí)體關(guān)鍵屬性對(duì)建立模塊，用于依據(jù)所述實(shí)體和所述關(guān)鍵屬性，建立實(shí)體-關(guān)鍵屬性對(duì)；

實(shí)體關(guān)鍵屬性對(duì)保存模塊，用于保存所述實(shí)體-關(guān)鍵屬性對(duì)。

可選地，所述關(guān)鍵屬性獲取模塊包括：