[发明专利]文本信息抽取方法和系统

权利要求书

1.一种文本信息抽取方法，其特征在于，包括：

设置第一检索条件，检索并选取第一候选网页，从所述第一候选网页中提取第一候选语句；所述第一候选网页与第一候选语句满足第一检索条件；

根据第一候选语句生成第一句法树，并得到第一标注候选语句；

根据第一句法树裁剪第一标注候选语句，生成裁剪依存树；把裁剪依存树分类为原因句依存树集合和非原因句依存树集合；根据第一句法树中的依存路径，合并原因句依存树集合中的裁剪依存树，生成原因句模式库；合并非原因句依存树集合中的依存树生成非原因句模式库；

读取用户输入的需要抽取原因的现象的关键词，根据所述关键词与原因句模式库，设置第二检索条件，检索并选取第二候选网页，从所述第二候选网页中提取第二候选语句，所述第二候选网页与第二候选语句满足第二检索条件；根据第二候选语句，生成第二标注候选语句；

裁剪第二标注候选语句，抽取候选原因结点，构造候选原因结点到现象结构的依存路径，并生成候选原因依存子树集合；从候选原因依存子树集合中抽取原因信息，添加到原因库中。

2.根据权利要求1所述的方法，其特征在于：

所述第一检索条件为原因种子对；

所述第二检索条件为需要抽取原因的现象的关键词与原因句模式库中的依存模式的每条路径中出现的结点的组合。

3.根据权利要求2所述的方法，其特征在于，所述根据第一句法树裁剪第一标注候选语句，生成裁剪依存树具体包括：

根据第一句法树中现象结构和原因结构的根结点，裁剪第一标注候选语句，得到包含原因种子对的第一最小子句；

根据第一最小子句的依存关系，生成第一依存树，抽取所述第一依存树中现象结构到原因结构的依存路径，裁剪第一最小子句，得到初步裁剪依存树；

根据初步裁剪依存树上的谓词，裁剪初步裁剪依存树，得到裁剪依存树。

4.根据权利要求1所述的方法，其特征在于，所述把裁剪依存树分类为原因句依存树集合和非原因句依存树集合，包括：

通过对裁剪依存树的原因结构与现象结构进行替换，生成替换依存树；

对替换依存树进行分类，若每两棵替换依存树之间的相似度大于第一预设阀值，则将该两棵替换依存树视为同类别，生成分类依存树；

判别各类别分类依存树是否表示原因句，若是，则将分类依存树标记为正例，并添加到原因句依存树集合；若否，则将分类依存树标记为负例，并添加到非原因句依存树集合。

5.根据权利要求4所述的方法，其特征在于，所述根据第一句法树中的依存路径，合并原因句依存树集合中的裁剪依存树，生成原因句模式库，包括：

原因句依存树集合中，对同类别的任意两棵替换依存树的依存路径进行比较，根据比较结果，对原因句依存树集合中的分类依存树进行合并，生成原因句模式库。

6.根据权利要求1所述的方法，其特征在于，所述裁剪第二标注候选语句，抽取候选原因结点，构造候选原因结点到现象结构的依存路径，并生成候选原因依存子树集合包括：

根据第一句法树中包含第二检索条件的子句的根结点，裁剪第二标注候选语句，生成第二最小子句，并调用句法分析工具和依存关系分析工具，生成所述第二最小子句的第二句法树和第二依存树；

从所述第二依存树的根结点下抽取不包含现象结构的分支上的结点集合，从所述第二句法树中抽取包含了所述结点集合的子树，在所述子树中查找子句和短语标记，把所述子句和短语标记内的所有词语合并成为一个词语，标记为候选原因结点；

查找每个所述候选原因结点到现象结构的依存路径，并根据所述依存路径生成候选依存树，对所述候选依存树进行裁剪，生成候选原因依存子树和候选原因依存子树集合。