[发明专利]一种借助图随机游走的开放类别命名实体抽取方法及装置

权利要求书

1.一种借助图随机游走的开放类别命名实体抽取方法，该方法包括步骤：

步骤1，分析种子在语料中的上下文得到模板；

步骤2，使用模板从语料抽取候选实体；

步骤3，根据种子实体、模板和候选实体之间的关系来构造图；

步骤4，在图上使用随机游走算法计算候选实体的置信度。

2.根据权利要求1所述的方法，其特征在于，步骤1进一步包括：取上下文窗口大小为3，即取种子出现的前三个词项与后三个词项构成模板放入模板池中。

3.根据权利要求2所述的方法，其特征在于，在步骤1，过滤掉模板池中只出现过一次的模板。

4.根据权利要求1所述方法，其特征在于，步骤2进一步包括：依次取出模板池中的模板，将语料中匹配模板的字符串抽取出来放入候选实体池，同时记录<候选-模板>之间的匹配关系。

5.根据权利要求4所述的方法，其特征在于，在步骤2，滤掉模板池中只出现过一次的模板。

6.根据权利要求1所述的方法，其特征在于，在步骤3，图由节点和边组成，节点分为三类：种子实体、模板和候选实体，每个种子实体、模板或候选实体在图中都表示为一个节点，边分为两类：第一类是种子实体与根据该种子实体学到的模板之间用边连接；第二类是候选实体与抽取该候选实体的模板之间用边连接，由此得到一个无向图，作为图随机游走的输入。

7.根据权利要求6所述的方法，其特征在于，步骤4进一步包括：

步骤41，构建初始状态矩阵，在该步骤，初始状态矩阵P₀的初始值使用如下方法计算：

其中|S|为种子集合大小，根据上述初始化方式得到的初始状态矩阵P₀，各列元素之和等于1；

步骤42，构建状态转移矩阵M，在该步骤，首先构建(m+n)*(m+n)维方阵M₀，其中m为实体类节点的个数，n为模板类节点的个数，M₀中每一行记录一个节点与其他节点的连接情况，M₀(ij)表示第i个节点和第j个节点之间的关系，i和j为整数，其取值范围均为[1,m+n]，M₀(ij)的值设定如下：

之后对M₀的每一行进行归一化得到状态转移矩阵M，使得M每一行的元素的和等于1；

步骤43，候选实体置信度计算，在该步骤，使用迭代的方法计算稳定状态矩阵P_*，根据上一轮迭代结果P_t计算本轮迭代结果P_t+1，具体计算公式如下：

P_t+1＝0.5*M^T*P_t+0.5*P₀

直到P_*稳定或迭代次数超过预先设定的阈值iter，将P_*中候选实体对应节点的概率值作为该节点的置信度。

8.一种借助图随机游走的开放类别命名实体抽取装置，该装置包括：

候选实体抽取模板，用于使用动态模板学习的策略来抽取候选实体，该模块的输入是种子实体，输出是候选实体，在该模块中，首先通过分析种子实体在语料中的上下文得到模板集合，接下来抽取语料中匹配模板的字符串作为候选实体；

候选实体置信度计算模块，其用于构造一个图，该图的节点包括种子实体、模板和候选实体三类，而图的边则反映了种子实体与模板的学得/被学得关系以及模板与候选实体之间的抽取/被抽取关系，在图上通过随机游走计算候选实体置信度，并据此对候选实体进行重排序，排序结果将作为抽取结果返回。