[发明专利]实体标签的抽取方法和装置有效
| 申请号： | 201510625039.7 | 申请日： | 2015-09-25 |
| 公开（公告）号： | CN105224642B | 公开（公告）日： | 2019-03-12 |
| 发明（设计）人： | 罗剑波;李羽;王波;邹晓艺 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06F16/951 | 分类号： | G06F16/951;G06F17/27 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 宋合成 |
| 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： | 实体 标签 抽取 方法 装置 | ||
1.一种实体标签的抽取方法，其特征在于，包括：
从网页中获取用于描述实体间共性的自然语言片段；
获取满足所述自然语言片段的实体；
将所述自然语言片段作为多实体标签，建立所述多实体标签与所述实体之间的关联关系；
其中，所述获取满足所述自然语言片段的实体，包括：
获取所述自然语言片段所在的当前网页，以及所述当前网页的翻页网页；
抽取所述当前网页和所述翻页网页的正文内容；
在所述正文内容中进行实体识别，提取与所述自然语言片段属于相同领域的实体；
在相同领域的实体中，提取与所述多实体标签相关的实体。
2.根据权利要求1所述的方法，其特征在于，所述从网页中获取用于描述实体间共性的自然语言片段，包括：
从网页标题库中选择具有多实体标签的网页标题；
从所述网页标题中提取用于描述实体间共性的自然语言片段。
3.根据权利要求2所述的方法，其特征在于，还包括：
对所述多实体标签进行进一步处理，所述进一步处理包括如下项中的一项或多项：
对所述多实体标签进行规范化及基础特征提取；
确定所述多实体标签属于的领域；
对所述多实体标签进行质量控制，过滤掉负面标签。
4.根据权利要求1-3任一项所述的方法，其特征在于，还包括：
对所述多实体标签和/或实体进行处理，所述处理包括如下项中的一项或多项：
合并相似的多实体标签和/或实体；
将所述多实体标签与实体关联保存到数据库内。
5.一种实体标签的抽取装置，其特征在于，包括：
第一获取模块，用于从网页中获取用于描述实体间共性的自然语言片段；
第二获取模块，用于获取满足所述自然语言片段的实体；
关联模块，用于将所述自然语言片段作为多实体标签，建立所述多实体标签与所述实体之间的关联关系；
其中，所述第二获取模块具体用于：
获取所述自然语言片段所在的当前网页，以及所述当前网页的翻页网页；
抽取所述当前网页和所述翻页网页的正文内容；
在所述正文内容中进行实体识别，提取与所述自然语言片段属于相同领域的实体；
在相同领域的实体中，提取与所述多实体标签相关的实体。
6.根据权利要求5所述的装置，其特征在于，所述第一获取模块具体用于：
从网页标题库中选择具有多实体标签的网页标题；
从所述网页标题中提取用于描述实体间共性的自然语言片段。
7.根据权利要求6所述的装置，其特征在于，还包括：
第一处理模块，用于对所述多实体标签进行进一步处理，所述进一步处理包括如下项中的一项或多项：
对所述多实体标签进行规范化及基础特征提取；
确定所述多实体标签属于的领域；
对所述多实体标签进行质量控制，过滤掉负面标签。
8.根据权利要求5-7任一项所述的装置，其特征在于，还包括：
第二处理模块，用于对所述多实体标签和/或实体进行处理，所述处理包括如下项中的一项或多项：
合并相似的多实体标签和/或实体；
将所述多实体标签与实体关联保存到数据库内。
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/201510625039.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种网页浏览模式切换方法及电子设备
- 下一篇：一种数据访问方法和装置
