[發(fā)明專利]一種三元組抽取方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201911423271.7
• 申請(qǐng)日: 2019-12-31
• 公開(kāi)（公告）號(hào): CN111178079B
• 公開(kāi)（公告）日: 2023-05-26
• 發(fā)明（設(shè)計(jì)）人: 陳棟;付驍弈
• 申請(qǐng)（專利權(quán)）人: 北京明略軟件系統(tǒng)有限公司
• 主分類號(hào): G06F40/295
• 分類號(hào): G06F40/295;G06F40/30
• 代理公司: 北京安信方達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11262
• 代理人: 胡艷華;栗若木

1.一種三元組抽取方法，包括：

對(duì)文本進(jìn)行分詞，根據(jù)分詞結(jié)果進(jìn)行詞性標(biāo)注和命名實(shí)體識(shí)別，按照語(yǔ)義合并規(guī)則對(duì)所述文本中具有語(yǔ)義聯(lián)系的分詞進(jìn)行合并生成語(yǔ)義塊，對(duì)所述語(yǔ)義塊進(jìn)行詞性標(biāo)注和命名實(shí)體識(shí)別，包括：

搜索所有分詞，基于自定義詞組尋找能夠與所述自定義詞組匹配的分詞組合，對(duì)找到的分詞組合中的分詞進(jìn)行合并生成一個(gè)語(yǔ)義塊；根據(jù)所述自定義詞組的詞性和命名實(shí)體類別對(duì)所述語(yǔ)義塊進(jìn)行詞性標(biāo)注和命名實(shí)體識(shí)別；和/或

搜索所有分詞，基于預(yù)定義的詞性合并規(guī)則對(duì)滿足所述詞性合并規(guī)則的分詞組合中的分詞進(jìn)行合并生成語(yǔ)義塊，按照詞性合并規(guī)則對(duì)所述語(yǔ)義塊進(jìn)行詞性標(biāo)注和命名實(shí)體識(shí)別；和/或

將標(biāo)注為同類命名實(shí)體的相鄰分詞進(jìn)行合并，生成一個(gè)新的語(yǔ)義塊，所述新的語(yǔ)義塊與合并前的至少一個(gè)分詞具有相同的詞性和命名實(shí)體；

遍歷所述文本的所有信息單元獲得每一個(gè)信息單元與其他信息單元的依存關(guān)系；基于信息單元的依存關(guān)系搜索能夠構(gòu)成三元組的信息單元組合，由搜索到的信息單元組合生成核心三元組；其中，所述信息單元是語(yǔ)義塊或未合并的分詞；所述三元組包括主體、謂詞和客體；

對(duì)任意一個(gè)核心三元組，根據(jù)與所述核心三元組的主體和/或客體具有預(yù)定依存關(guān)系的其他信息單元派生新的三元組，由所述核心三元組和派生出的新三元組構(gòu)成所述文本的三元組集合；

對(duì)所述文本的三元組集合中的任意一個(gè)三元組進(jìn)行屬性擴(kuò)展：利用信息單元的依存關(guān)系搜索用于修飾三元組的任意一個(gè)信息單元的其他信息單元，將所述其他信息單元作為所述信息單元的屬性；

所述依存關(guān)系包括：主謂關(guān)系，謂賓關(guān)系，并列關(guān)系，連詞關(guān)系，或修飾關(guān)系。

2.如權(quán)利要求1所述的方法，其特征在于：

遍歷所述文本的所有信息單元獲得每一個(gè)信息單元與其他信息單元的依存關(guān)系，包括：

根據(jù)信息單元的詞性標(biāo)注，按照自然語(yǔ)言的語(yǔ)法規(guī)則遍歷所述文本的所有信息單元，確定每一個(gè)信息單元與其他信息單元的依存關(guān)系。

3.如權(quán)利要求2所述的方法，其特征在于：

所述基于信息單元的依存關(guān)系搜索能夠構(gòu)成三元組的信息單元組合，由搜索到的信息單元組合生成核心三元組，包括：

基于信息單元的依存關(guān)系搜索具有相同謂詞的主謂依存關(guān)系和謂賓依存關(guān)系，將對(duì)應(yīng)同一個(gè)謂詞的主謂依存關(guān)系和謂賓依存關(guān)系中的主語(yǔ)信息單元作為三元組的主體，將對(duì)應(yīng)同一個(gè)謂詞的主謂依存關(guān)系和謂賓依存關(guān)系中的賓語(yǔ)信息單元作為三元組的客體，將所述主謂依存關(guān)系和謂賓依存關(guān)系中的同一個(gè)謂詞作為三元組的謂詞。

4.如權(quán)利要求1所述的方法，其特征在于：

所述對(duì)所述文本的三元組集合中的任意一個(gè)三元組進(jìn)行屬性擴(kuò)展后，所述方法還包括：

采用對(duì)象輸出的方式輸出擴(kuò)展后的三元組；其中，三元組中的主體、謂詞和客體的輸出信息至少包括：信息單元的文本信息，信息單元的命名實(shí)體識(shí)別結(jié)果，和信息單元的屬性信息。

5.如權(quán)利要求1所述的方法，其特征在于：

對(duì)文本進(jìn)行分詞，根據(jù)分詞結(jié)果進(jìn)行詞性標(biāo)注和命名實(shí)體識(shí)別后，所述方法還包括：為每一個(gè)分詞分配一個(gè)唯一的索引；

按照語(yǔ)義合并規(guī)則對(duì)所述文本中具有語(yǔ)義聯(lián)系的分詞進(jìn)行合并生成語(yǔ)義塊后，所述方法還包括：為文本中的信息單元重新分配索引；

所述信息單元的依存關(guān)系表達(dá)為一個(gè)信息二元組，所述信息二元組包括：所述信息單元的依存關(guān)系類型，以及所述依存關(guān)系指向的其他信息單元的索引。

6.如權(quán)利要求1所述的方法，其特征在于：

所述根據(jù)與所述核心三元組的主體和/或客體具有預(yù)定依存關(guān)系的其他信息單元派生新的三元組，包括：根據(jù)與所述核心三元組的主體和/或客體具有并列關(guān)系的其他信息單元派生新的三元組。

7.一種三元組抽取裝置，包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的三元組抽取程序，所述三元組抽取程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)上述權(quán)利要求1-6中任一項(xiàng)所述的三元組抽取方法的步驟。

8.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有三元組抽取程序，所述三元組抽取程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述權(quán)利要求1-6中任一項(xiàng)所述的三元組抽取方法的步驟。