[發明專利]一種基于詞性分析的文本時間信息抽取與規范方法

在審

• 申請號: 202110734500.8
• 申請日: 2021-06-30
• 公開（公告）號: CN113535898A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 姜明;吳鍇;張旻
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/284
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于在規則上加入詞性分析，來提供更高的準確率和召回率，具體包括以下步驟:

S1、構建多個時間詞性模版；

S2、文本通過分詞工具提取出分詞結果和對應詞性列表，利用時間信息匹配模版提取出時間信息短語；

S3、根據不同時間詞性模版，提取多個時間信息短語，并對提取出來的時間信息短語進行分類；

S4、根據映射規則，輸出最后規范化后的結果。

2.根據權利要求1所述的一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于時間詞性模版具體的表達形式是(*pos_tagging,unit)，unit是時間單位，*pos_tagging是修飾時間單位的詞性列表，該參數長度不固定，依據雙親委派原則，優先使用長度較長的模版進行匹配。

3.根據權利要求1所述的一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于步驟S1具體為:

S101、從標注好的訓練語料中通過nlpir工具，自動生成各種時間信息分詞后的結果和對應詞性，并將該結果轉化成時間詞性匹配模版；

S102、提取并總結時間正則模版，用于時間信息提取后的分類問題；

S103、提取并總結時間信息前、中、后，三個位置的介詞，形成三種介詞模版，用于詞性匹配后的修正問題和時間信息提取后的分類問題。

4.根據權利要求2所述的一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于根據雙親委派原則，對文本分詞后對應的詞和詞性進行時間詞性模版匹配，優先傳遞給等級高的模版，然后回溯返回結果，每個時間詞性模版匹配前都會先判斷是否已經匹配成功，只有未匹配成功才會進行匹配，否則直接回溯。

5.根據權利要求1所述的一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于步驟S2根據介詞模版對匹配結果進行修正，介詞包括:前置介詞、中置介詞和后置介詞。其中有些詞既可作前置介詞，又可作后置介詞。

6.根據權利要求1所述的一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于步驟S3時間信息短語分類，主要分為五類:日歷時間、時鐘時間、相對時間、段時間、其他時間。其中，日歷時間和時鐘時間是具體的時間點，它們的時間表示粒度不同，通常作為參考時間；日歷時間最小粒度為天，最大粒度為年；時鐘時間最小粒度為秒，最大粒度為小時；相對時間，是需要上下文時間才能確定下的時間；段時間，是指一段時間，從一個時間點到另一個時間點，通常會有明顯的中置介詞。其他時間，包括模糊時間和一些無法規范的時間。

7.根據權利要求1所述的一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于步驟S3時間信息短語分類，通過總結的時間正則模版，對時間信息提取的結果進行分類，具體為:

A、根據日歷時間的時間正則模版去匹配，將匹配上的時間信息短語標注上日歷時間類別；

B、根據時鐘時間的時間正則模版去匹配，將匹配上的時間信息短語標注上時鐘時間類別；

C、根據前置介詞和后置介詞修正的時間信息，直接對時間信息短語標注上相對時間類別并覆蓋之前標注的類別；

D、根據中置介詞修正的時間信息，直接對時間信息短語標注上段時間類別并覆蓋之前標注的類別。

8.根據權利要求1所述的一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于步驟S4時間信息映射和規范化，包括時間信息粒度的一一對應，以及對段時間的推理規范化。

9.根據權利要求8所述的一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于所述段時間推理規范化可用函數關系式表示:

Result＝Offset*Number*Unit+ContextTime

其中，Result表示規范化后的結果，Offset表示偏移量，Number表示偏移長度，Unit表示時間粒度，ContextTime表示上下文參考時間。

10.根據權利要求8所述的一種基于詞性分析的文本時間信息抽取與規范方法，其特征在于時間推理規范化過程中，缺少時間粒度的采用以下方法進行補全:

A、只有時鐘時間沒有日歷時間的情況下，缺少日歷時間部分根據上下文參考時間進行補全；

B、只有日歷時間沒有時鐘時間的情況下，直接對時鐘時間部分的各個時間粒度置零。