[发明专利]提取命名实体的方法

权利要求书

1.一种提取命名实体的计算机实施的方法，包括：

识别文档文集中的命名实体，并利用一些现有资源人工或自动形成种子实体集合；

构造命名实体图，以发现任何给定命名实体对之间的相同类型概率；

扩展所述种子实体集合；以及

在所述命名实体图上执行种子实体的置信度传播。

2.根据权利要求1所述的方法，其中命名实体图中的每个节点都是命名实体，并且每条边反映了端节点（命名实体）与起始节点（命名实体）是相同类型的条件概率。

3.根据权利要求1所述的方法，其中构造命名实体图包括：

为每个命名实体创建语言模型；

确定每个给定命名实体对之间的条件概率，其中每个命名实体都具有其自己的语言模型；以及

利用具有其对应条件概率的所有命名实体构造所述命名实体图。

4.根据权利要求3所述的方法，其中确定每个给定命名实体对之间的条件概率基于其KL-距离。

5.根据权利要求3所述的方法，在图构造之前还包括如下步骤：

针对每个命名实体，确定所述命名实体和其余命名实体之间的边；以及

针对所述命名实体和其余命名实体之间的每个边确定条件概率。

6.根据权利要求5所述的方法，其中仅使用条件概率高于预定阈值的边来构造所述图。

7.根据权利要求5所述的方法，还包括使用simhash过滤掉条件概率低于预定阈值的边。

8.根据权利要求1所述的方法，其中所述置信度传播导致获得针对目标实体的置信度值和概率值。

9.根据权利要求8所述的方法，其中使用预定阈值概率值来确定所述目标实体是否是命名实体。

10.根据权利要求1所述的方法，其中所述命名实体是通过基于排列的识别方法识别的。

11.根据权利要求1所述的方法，其中所述文档文集是从储存库获得的。

12.根据权利要求1所述的方法，其中所述储存库是有组织的数据库。

13.一种系统，包括：

处理器；以及

耦合到所述处理器的存储器，其中所述存储器包括指令，用于：

识别文档文集中的命名实体以形成种子实体集合；

构造命名实体图，以发现任何给定命名实体对之间的相同类型概率；

扩展所述种子实体集合；以及

在所述命名实体图上执行种子实体的置信度传播。

14.一种计算机程序，包括计算机程序装置，当所述程序运行于计算机上时，所述计算机程序装置适于执行权利要求1的所有步骤。

15.根据权利要求14所述的计算机程序，实现于计算机可读介质上。