[发明专利]从语言输入数据自动生成N‑元和概念关系

权利要求书

1.一种从web资源自动生成词元词典的方法，所述方法包括：

从所述web资源内的基于文本的文档中提取多个标记；

从所述多个标记生成多个N-元；

接收识别有效N-元的一个或多个过滤器定义；

使用所述一个或多个过滤器定义来过滤所述多个N-元，以生成词元词典；以及

生成包括所述词元词典的本体。

2.如权利要求1所述的方法，其中从所述基于文本的文档中提取所述多个标记包括识别并且消除结构化和格式化文本，所述结构化和格式化文本由此从所述多个标记中排除。

3.如权利要求1所述的方法，其中所述web资源包括web域，并且其中所述web域包括多个HTML网页。

4.如权利要求1所述的方法，其中生成所述多个N-元包括生成如词组合在所述web资源中出现的那样的词组合。

5.如权利要求1所述的方法，还包括：

在过滤所述多个N-元之后，使得用户界面被显示；

接收消除所述词元词典中的所述N-元中的至少一个N-元的输入。

6.如权利要求1所述的方法，其中所述一个或多个过滤器定义包括用于N-元中的各个标记的词性过滤器。

7.如权利要求1所述的方法，其中所述一个或多个过滤器定义包括文本模式。

8.如权利要求1所述的方法，其中所述一个或多个过滤器定义包括N-元在所述web资源中出现的最小频率。

9.如权利要求1所述的方法，其中所述一个或多个过滤器定义包括语言的选择。

10.一种非暂态计算机可读介质，所述非暂态计算机可读介质包括指令，所述指令当由一个或多个处理器执行时，使得所述一个或多个处理器执行操作，所述操作包括：

从所述web资源内的基于文本的文档中提取多个标记；

从所述多个标记生成多个N-元；

接收识别有效N-元的一个或多个过滤器定义；

使用所述一个或多个过滤器定义来过滤所述多个N-元，以生成词元词典；以及

生成包括所述词元词典的本体。

11.如权利要求10所述的非暂态计算机可读介质，其中生成所述多个N-元包括生成如词组合在所述web资源中出现的那样的词组合。

12.如权利要求10所述的非暂态计算机可读介质，其中所述一个或多个过滤器定义包括用于N-元中的各个标记的词性过滤器。

13.如权利要求10所述的非暂态计算机可读介质，其中所述一个或多个过滤器定义包括文本模式。

14.如权利要求10所述的非暂态计算机可读介质，其中所述一个或多个过滤器定义包括N-元在所述web资源中出现的最小频率。

15.如权利要求10所述的非暂态计算机可读介质，其中所述一个或多个过滤器定义包括语言的选择。

16.一种系统，包括：

一个或多个处理器；以及

包括指令的一个或多个存储器设备，所述指令当由所述一个或多个处理器执行时，使得所述一个或多个处理器执行操作，所述操作包括：

从所述web资源内的基于文本的文档中提取多个标记；

从所述多个标记生成多个N-元；

接收识别有效N-元的一个或多个过滤器定义；

使用所述一个或多个过滤器定义来过滤所述多个N-元，以生成词元词典；以及

生成包括所述词元词典的本体。

17.如权利要求16所述的系统，其中生成所述多个N-元包括生成如词组合在所述web资源中出现的那样的词组合。

18.如权利要求16所述的系统，其中所述一个或多个过滤器定义包括用于N-元中的各个标记的词性过滤器。

19.如权利要求16所述的系统，其中所述一个或多个过滤器定义包括N-元在所述web资源中出现的最小频率。

20.如权利要求16所述的系统，其中所述一个或多个过滤器定义包括语言的选择。