[發(fā)明專利]同類實(shí)體的挖掘方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810106851.2
• 申請(qǐng)日: 2018-02-02
• 公開（公告）號(hào): CN108388556B
• 公開（公告）日: 2021-08-17
• 發(fā)明（設(shè)計(jì)）人: 羅杰
• 申請(qǐng)（專利權(quán)）人: 云知聲智能科技股份有限公司
• 主分類號(hào): G06F40/295
• 分類號(hào): G06F40/295
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種同類實(shí)體的挖掘方法，其特征在于，所述同類實(shí)體的挖掘方法包括：

獲取示例實(shí)體對(duì)應(yīng)的文本描述信息；

對(duì)獲取的所述文本描述信息進(jìn)行歸納總結(jié)，抽取出所述文本描述信息對(duì)應(yīng)的特征信息；

計(jì)算抽取出的所述特征信息中各個(gè)特征所分別對(duì)應(yīng)的權(quán)重，得到對(duì)應(yīng)的類別實(shí)體判定公式；

利用得到的所述判定公式，判定其他實(shí)體對(duì)應(yīng)的描述文本，找出與所述示例實(shí)體同類別的實(shí)體；

其中，類別實(shí)體判定公式為：

其中，表示實(shí)體和實(shí)體為同一類別實(shí)體的關(guān)聯(lián)度值，為和的特征的數(shù)量，當(dāng)特征相同時(shí)只計(jì)1次，為第個(gè)特征，為第個(gè)特征對(duì)應(yīng)的權(quán)重，和分別為第個(gè)特征對(duì)應(yīng)的特征的值，表示為預(yù)設(shè)最小關(guān)聯(lián)度值。

2.如權(quán)利要求1所述的同類實(shí)體的挖掘方法，其特征在于，所述文本描述信息包括：

百科詞條對(duì)應(yīng)的標(biāo)題、屬性、標(biāo)簽以及文本。

3.如權(quán)利要求1或2所述的同類實(shí)體的挖掘方法，其特征在于，所述對(duì)獲取的所述文本描述信息進(jìn)行歸納總結(jié)，抽取出所述文本描述信息對(duì)應(yīng)的特征信息，包括：

對(duì)獲取的所述文本描述信息進(jìn)行去重處理，并將去重后得到的所述文本描述信息進(jìn)行切詞處理，得到切詞后的單獨(dú)的詞；

從得到的單獨(dú)的詞中，識(shí)別出其中描述確切對(duì)象的詞語(yǔ)，將識(shí)別出的詞語(yǔ)作為所述文本描述信息對(duì)應(yīng)的特征信息。

4.如權(quán)利要求1或2所述的同類實(shí)體的挖掘方法，其特征在于，所述計(jì)算抽取出的所述特征信息中各個(gè)特征所分別對(duì)應(yīng)的權(quán)重，包括：

按照抽取出的所述特征信息中各個(gè)特征出現(xiàn)的次數(shù)，以及各個(gè)特征的重要程度，計(jì)算各個(gè)特征所對(duì)應(yīng)的權(quán)重，得到每個(gè)特征所分別對(duì)應(yīng)的特征值。

5.如權(quán)利要求1或2所述的同類實(shí)體的挖掘方法，其特征在于，所述利用得到的所述判定公式，判定其他實(shí)體對(duì)應(yīng)的描述文本，找出與所述示例實(shí)體同類別的實(shí)體，包括：

利用得到的所述判定公式，計(jì)算其他實(shí)體對(duì)應(yīng)的描述文本的關(guān)聯(lián)度值；

根據(jù)需求，獲取關(guān)聯(lián)度值大于預(yù)設(shè)閾值的實(shí)體、作為與所述示例實(shí)體同類別的實(shí)體；或者：

按照關(guān)聯(lián)度值的大小，由先至后對(duì)其他實(shí)體進(jìn)行排序，得到由其他實(shí)體對(duì)應(yīng)組成的實(shí)體序列；

獲取排列在所述實(shí)體序列中的前N個(gè)實(shí)體、作為與所述示例實(shí)體同類別的實(shí)體；其中，所述N為大于1的整數(shù)。

6.一種同類實(shí)體的挖掘系統(tǒng)，其特征在于，所述同類實(shí)體的挖掘系統(tǒng)包括：

信息獲取模塊，用于獲取示例實(shí)體對(duì)應(yīng)的文本描述信息；

信息抽取模塊，用于對(duì)獲取的所述文本描述信息進(jìn)行歸納總結(jié)，抽取出所述文本描述信息對(duì)應(yīng)的特征信息；

權(quán)重計(jì)算模塊，用于計(jì)算抽取出的所述特征信息中各個(gè)特征所分別對(duì)應(yīng)的權(quán)重，得到對(duì)應(yīng)的類別實(shí)體判定公式；

實(shí)體判定模塊，用于利用得到的所述判定公式，判定其他實(shí)體對(duì)應(yīng)的描述文本，找出與所述示例實(shí)體同類別的實(shí)體；

其中，類別實(shí)體判定公式為：

其中，表示實(shí)體和實(shí)體為同一類別實(shí)體的關(guān)聯(lián)度值，為和的特征的數(shù)量，當(dāng)特征相同時(shí)只計(jì)1次，為第個(gè)特征，為第個(gè)特征對(duì)應(yīng)的權(quán)重，和分別為第個(gè)特征對(duì)應(yīng)的特征的值，表示為預(yù)設(shè)最小關(guān)聯(lián)度值。

7.如權(quán)利要求6所述的同類實(shí)體的挖掘系統(tǒng)，其特征在于，所述文本描述信息包括：

百科詞條對(duì)應(yīng)的標(biāo)題、屬性、標(biāo)簽以及文本。

8.如權(quán)利要求6或7所述的同類實(shí)體的挖掘系統(tǒng)，其特征在于，所述信息抽取模塊用于：

對(duì)獲取的所述文本描述信息進(jìn)行去重處理，并將去重后得到的所述文本描述信息進(jìn)行切詞處理，得到切詞后的單獨(dú)的詞；

從得到的單獨(dú)的詞中，識(shí)別出其中描述確切對(duì)象的詞語(yǔ)，將識(shí)別出的詞語(yǔ)作為所述文本描述信息對(duì)應(yīng)的特征信息。

9.如權(quán)利要求6或7所述的同類實(shí)體的挖掘系統(tǒng)，其特征在于，所述權(quán)重計(jì)算模塊用于：

按照抽取出的所述特征信息中各個(gè)特征出現(xiàn)的次數(shù)，以及各個(gè)特征的重要程度，計(jì)算各個(gè)特征所對(duì)應(yīng)的權(quán)重，得到每個(gè)特征所分別對(duì)應(yīng)的特征值。

10.如權(quán)利要求6或7所述的同類實(shí)體的挖掘系統(tǒng)，其特征在于，所述實(shí)體判定模塊用于：

利用得到的所述判定公式，計(jì)算其他實(shí)體對(duì)應(yīng)的描述文本的關(guān)聯(lián)度值；

根據(jù)需求，獲取關(guān)聯(lián)度值大于預(yù)設(shè)閾值的實(shí)體、作為與所述示例實(shí)體同類別的實(shí)體；或者：

按照關(guān)聯(lián)度值的大小，由先至后對(duì)其他實(shí)體進(jìn)行排序，得到由其他實(shí)體對(duì)應(yīng)組成的實(shí)體序列；

獲取排列在所述實(shí)體序列中的前N個(gè)實(shí)體、作為與所述示例實(shí)體同類別的實(shí)體；其中，所述N為大于1的整數(shù)。