[发明专利]一种扩充实体库的方法及装置

说明书

技术领域

本发明涉及互联网信息处理技术领域，具体涉及一种扩充实体库的方法及装置。

背景技术

随着信息和网络技术的不断发展，人们越来越多地通过互联网进行各种知识和信息的搜索。内容提供商在互联网提供内容使所有用户均能平等地浏览、创造、完善内容平台。

例如百度百科、维基百科、互动百科等，能够让互联网用户通过百科网站即能找到自己想要的全面、准确、客观的定义性信息，可供其他用户进行类似主题的查询和浏览，以便提供相应的知识或者借鉴。例如，词条是百科网站所含内容的基础分割单位，一个词条具有一个或多个单一的主题，用于阐述一件事物、一个人物、或者具备特定主题的组合等知识内容。在百科网站中包括极大数量的词条，这些百科词条可以大大地提高检索的准确性和检索的覆盖率，并且有利于从网页中提取结构化数据，可以进行垂直搜索，得到更为精确的信息。

随着信息的广泛传播以及人们交流内容的不断扩展，新词条层出不穷。极大地发现有价值的词条，扩充百科网站的实体库是百科产品的重要目标。常见的实现方案都是从已有的数据中，利用文本切分来分析文本中可能存在的实体词，判断哪些实体词是百科实体库中存在的，哪些是百科实体库中不存在的，将不存在的实体词增加到百科实体库中。但是这种方案存在文本切分和属性识别不准确的问题。

发明内容

有鉴于此，本发明实施例提供一种扩充实体库的方法及装置，以克服现有的百科实体库扩充存在文本切分和属性识别不准确的问题。

第一方面，本发明实施例提供了一种扩充实体库的方法，包括：

从资源库中获取结构化数据；

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；

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。

第二方面，本发明实施例还提供了一种扩充实体库的装置，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；

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；

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。

本发明实施例的技术方案通过从资源库中获取结构化数据，从预置含义字段的字段内容中识别出实体词，进行筛选后，将未出现在实体库中的实体词添加到实体库中，以扩充所述实体库。由于结构化数据的预置含义字段本身就是对文字内容进行了切分，且对应于一定的含义，所以从中有效获取实体词的概率更高，能提高扩充实体库中实体词的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1是本发明实施例一所述的扩充实体库的方法流程图；

图2是百度百科中示例词条中所包含的第一示例表格的截图；

图3是百度百科中示例词条中所包含的第二示例表格的截图；

图4是本发明实施例二所述的扩充实体库的方法流程图；

图5是本发明实施例三所述的扩充实体库的装置的结构框图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

实施例一