[发明专利]对文本进行自动标注的方法和装置

权利要求书

1.一种对文本进行自动标注的方法，其特征在于，包括：

对文本中的词汇进行识别；

将识别出的表示属性值的词汇标注为知识库中对应属性值所属类型的格式；

将识别出的实词标注为所述知识库中的实体知识；

基于对实词的标注结果，将识别出的代词标注为所述代词指代的内容；以及

基于对实词和代词的标注结果，将识别出的属性名标注为所述知识库中对应的属性名。

2.如权利要求1所述的方法，其特征在于，所述知识库中的所述实体知识包括实体标识、属性和属性值，所述属性值具有不同的属性值类型，每个属性值类型具有固定的格式。

3.如权利要求2所述的方法，其特征在于，所述将识别出的实词标注为所述知识库中的实体知识包括：

根据当前实词获得文本关键词，根据所述文本关键词从所述知识库中获得与所述文本关键词相关的候选实体集合；

计算所述候选实体集合中每个候选实体与所述文本关键词对应的文本上下文的语义相关度；

根据所述语义相关度确定与所述文本关键词对应的实体，将当前实词标注为所确定的实体对应的实体知识。

4.如权利要求3所述的方法，其特征在于，所述根据当前实词获得文本关键词包括：

根据当前实词和同义词资源获得文本关键词。

5.如权利要求3所述的方法，其特征在于，所述计算所述候选实体集合中每个候选实体与所述文本关键词对应的文本上下文的语义相关度包括：

采用基于关联空间的语义相似度计算公式计算所述候选实体集合中每个候选实体与所述文本关键词对应的文本上下文的语义相关度。

6.如权利要求5所述的方法，其特征在于，所述基于关联空间的语义相似度计算公式为：

其中，rel(v_i,v_j)表示v_i和v_j之间的相关度，E表示所述候选实体集合中的候选实体，T表示所述文本关键词对应的文本上下文；r_e表示从候选实体E中提取出的关联维度；r_t表示从文本T中提取出的关联维度；v_i表示出现在实体E中且映射到关联维度r_e之上的所有词汇，v_j表示出现在文本T中且映射到关联维度r_t之上的所有词汇，表示关联空间的全集。

7.如权利要求1或2所述的方法，其特征在于，所述基于对实词和代词的标注结果，将识别出的属性名标注为所述知识库中对应的属性名，包括：

基于对实词和代词的标注结果，获得所述文本中的属性名对应的实体；

从所获得的实体的所有属性名中获得与所述文本中的属性名语义相似度最高的属性名，将所述文本中的属性名标注为所获得的属性名。

8.一种对文本进行自动标注的装置，其特征在于，包括：

识别模块，用于对文本中的词汇进行识别；

第一标注模块，用于将识别出的表示属性值的词汇标注为知识库中对应属性值所属类型的格式；

第二标注模块，用于将识别出的实词标注为所述知识库中的实体知识；

第三标注模块，用于基于对实词的标注结果，将识别出的代词标注为所述代词指代的内容；以及

第四标注模块，用于基于对实词和代词的标注结果，将识别出的属性名标注为所述知识库中对应的属性名。

9.如权利要求8所述的装置，其特征在于，所述知识库中的所述实体知识包括实体标识、属性和属性值，所述属性值具有不同的属性值类型，每个属性值类型具有固定的格式。

10.如权利要求9所述的装置，其特征在于，所述第二标注模块，具体用于：

根据当前实词获得文本关键词，根据所述文本关键词从所述知识库中获得与所述文本关键词相关的候选实体集合；

计算所述候选实体集合中每个候选实体与所述文本关键词对应的文本上下文的语义相关度；

根据所述语义相关度确定与所述文本关键词对应的实体，将当前实词标注为所确定的实体对应的实体知识。

11.如权利要求10所述的装置，其特征在于，所述第二标注模块，具体用于：根据当前实词和同义词资源获得文本关键词。