[發明專利]一種知識抽取方法及裝置

有效

• 申請號: 201910585762.5
• 申請日: 2019-07-01
• 公開（公告）號: CN110275966B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 李直旭;宋曉兆;陳志剛
• 申請（專利權）人: 科大訊飛（蘇州）科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/295;G06F16/35
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張小娜

1.一種知識抽取方法，其特征在于，包括：

獲取第一表格集合，所述第一表格集合中的每一表格為帶有知識的表格；

對所述第一表格集合中的表格進行類型識別，得到至少一種目標表格類型下的半結構化的各個表格，作為各個第一目標表格；

基于所述各個第一目標表格的表格布局特征，從所述各個第一目標表格中抽取知識信息，所述知識信息用于補全目標知識圖譜；其中，各個第一目標表格的表格布局特征不同，從所述第一目標表格中抽取知識信息的方式也不相同。

2.根據權利要求1所述的方法，其特征在于，所述至少一種目標表格類型包括：第一類型、第二類型、枚舉型中的至少一種類型；

其中，所述第一類型的表格包括至少一個屬性名以及每一屬性名對應的屬性值和/或至少一個關系名以及每一關系名對應的尾實體名；所述第二類型的表格包括至少一個頭實體名以及每一個頭實體名對應的至少一個屬性值和/或至少一個尾實體名；所述枚舉型的表格包括至少一個實體名。

3.根據權利要求2所述的方法，其特征在于，所述對所述第一表格集合中的表格進行類型識別，包括：

根據表格第一列中屬于第一目標集合的屬性名和關系名的數量，識別所述第一表格集合中的所述第一類型的表格；

根據表格第一行中屬于第一目標集合的屬性名和關系名的數量，識別所述第一表格集合中的所述第二類型的表格；

根據表格中屬于第二目標集合的實體名數量，識別所述第一表格集合中的所述枚舉型的表格；

其中，所述第一目標集合包括所述目標知識圖譜中的各個屬性名和各個關系名；所述第二目標集合包括所述目標知識圖譜中的各個實體名。

4.根據權利要求3所述的方法，其特征在于，所述根據表格第一列中屬于第一目標集合的屬性名和關系名的數量，識別所述第一表格集合中的所述第一類型的表格，包括：

對于所述第一表格集合中未被識別為目標表格類型的每一表格，根據該表格第一列中屬于所述第一目標集合的屬性名和關系名的數量，確定該表格是否為第一類型的表格，并在確定該表格為第一類型的表格后，將該表格中不屬于所述第一目標集合的屬性名和關系名添加到所述第一目標集合中；

繼續執行所述對于所述第一表格集合中未被識別為所述目標表格類型的每一表格的步驟，直至所述第一目標集合中不再加入屬性名和關系名為止。

5.根據權利要求3所述的方法，其特征在于，所述根據表格第一行中屬于第一目標集合的屬性名和關系名的數量，識別所述第一表格集合中的所述第二類型的表格，包括：

對于所述第一表格集合中未被識別為目標表格類型的每一表格，根據該表格第一行中屬于所述第一目標集合的屬性名和關系名的數量，確定該表格是否為第二類型的表格，并在確定該表格為第二類型的表格后，將該表格中不屬于所述第一目標集合的屬性名和關系名添加到所述第一目標集合中；

繼續執行所述對于所述第一表格集合中未被識別為所述目標表格類型的每一表格的步驟，直至所述第一目標集合中不再加入屬性名和關系名為止。

6.根據權利要求3所述的方法，其特征在于，所述根據表格中屬于第二目標集合的實體名數量，識別所述第一表格集合中的所述枚舉型的表格，包括：

對于所述第一表格集合中未被識別為目標表格類型的每一表格，根據該表格中屬于所述第二目標集合中每一實體上位概念下的實體名數量，確定該表格是否為枚舉型表格。

7.根據權利要求2至6任一項所述的方法，其特征在于，所述基于所述各個第一目標表格的表格布局特征，從所述各個第一目標表格中抽取知識信息，包括：

將所述各個第一目標表格中的各個第二類型的表格，作為各個第二目標表格；

根據各個第二目標表格的表格布局特征，將各個第二目標表格中的實體與所述目標知識圖譜進行實體對齊；

基于實體對齊結果，從各個第二目標表格中抽取知識信息。