[发明专利]一种扩充实体库的方法及装置有效
| 申请号： | 201410364026.4 | 申请日： | 2014-07-28 |
| 公开（公告）号： | CN104102738B | 公开（公告）日： | 2018-04-27 |
| 发明（设计）人： | 梁爽 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京品源专利代理有限公司11332 | 代理人： | 邓猛烈,胡彬 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 扩充 实体 方法 装置 | ||
1.一种扩充实体库的方法，其特征在于，包括：
从资源库中获取结构化数据，所述结构化数据是指将数据分别存储在至少一个预置含义字段中，用二维表结构逻辑来实现表达；
从所述结构化数据的预置含义字段的字段内容中识别出实体词，其中，所述预置含义字段为，根据需要扩充的实体词的类别，结合扩充目标设置字段的设置条件或枚举符合扩充目标的字段，从所获取的结构化数据中筛选出的满足所述扩充目标的字段；
对所述实体词按照预设规则进行筛选；
如果筛选出的实体词未出现在实体库中，则将所述实体词添加到所述实体库中，以扩充所述实体库。
2.根据权利要求1所述的方法，其特征在于，所述资源库为百科资源库。
3.根据权利要求2所述的方法，其特征在于，从所述结构化数据的预置含义字段的字段内容中识别出实体词的操作具体包括：
获取所述结构化数据的预置含义字段的字段内容；
如果所述字段内容在所述资源库中不存在内链接，则从所述字段内容中识别出实体词。
4.根据权利要求1所述的方法，其特征在于，对所述实体词按照预设规则进行筛选的操作具体包括：
将符合下述至少一项的实体词过滤掉：所述实体词中字数大于预设阈值的实体词、属于黑名单的实体词、包含预设符号的实体词、和属于预设类型的实体词。
5.根据权利要求1所述的方法，其特征在于，在将所述实体词添加到所述实体库中的操作之前，还包括：对所述实体词进行去重处理。
6.一种扩充实体库的装置，其特征在于，包括：
结构化数据识别单元，用于从资源库中获取结构化数据，所述结构化数据是指将数据分别存储在至少一个预置含义字段中，用二维表结构逻辑来实现表达；
实体词识别单元，用于从所述结构化数据的预置含义字段的字段内容中识别出实体词，其中，所述预置含义字段为，根据需要扩充的实体词的类别，结合扩充目标设置字段的设置条件或枚举符合扩充目标的字段，从所获取的结构化数据中筛选出的满足所述扩充目标的字段；
实体词筛选单元，用于对所述实体词按照预设规则进行筛选；
实体词添加单元，用于如果筛选出的实体词未出现在实体库中，则将所述实体词添加到所述实体库中，以扩充所述实体库。
7.根据权利要求6所述的装置，其特征在于，所述资源库为百科资源库。
8.根据权利要求7所述的装置，其特征在于，所述实体词识别单元具体用于：
获取所述结构化数据的预置含义字段的字段内容；
如果所述字段内容在所述资源库中不存在内链接，则从所述字段内容中识别出实体词。
9.根据权利要求6所述的装置，其特征在于，所述实体词筛选单元具体用于，将符合下述至少一项的实体词过滤掉：所述实体词中字数大于预设阈值的实体词、属于黑名单的实体词、包含预设符号的实体词、和属于预设类型的实体词。
10.根据权利要求6所述的装置，其特征在于，所述实体词筛选单元还用于：在将所述实体词添加到所述实体库中的操作之前，还包括：对所述实体词进行去重处理。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201410364026.4/1.html，转载请声明来源钻瓜专利网。
- 上一篇：网页数据更新方法及系统
- 下一篇：管理web应用中外链的方法及装置
