[发明专利]一种人物信息知识库自动构建方法

说明书

技术领域

本发明涉及信息检索技术领域，尤其涉及一种人物信息知识库自动构建方法。

背景技术

随着互联网规模的越来越庞大，如今在互联网上进行信息检索时，不再是能不能找到自己想要的内容的问题，而是能不能快速准决找到自己想要的人物的问题。

人物作为社会活动的主体，很多时候需要了解一个人物的相关信息，比如撰写人物相关的信息。但是互联网信息来源过于繁杂，个人媒体时代的爆发性增长的信息都是主观的信息，缺乏一定的客观公正性，准确性也不能得到保障，对人物的信息准确获取形成了一定的干扰。目前搜集新闻人物相关信息主要来源于人物相关官方网站、相关新闻报道等，缺乏人物信息的知识库，通过搜索引擎来进行人物相关新闻的检索，结果含有大量的干扰项，需要人工地在众多匹配结果中筛选人物相关的新闻信息，效率相对低下。例如:利用百度搜索“张伟”的新闻，显示相关新闻约有138000篇，其中前3页共计60条记录中，就出现了23个不同的人物，不仅包含了数学家“张伟”、经济分析师“张伟”、记者“张伟”等还包括类似“张伟丽”、“张伟华”、“大张伟”等人物的新闻。因此有必要建立一个自动化的人物资料库，提供人物丰富的、准确的信息。

目前缺少一个完善的人物信息的知识库，对人物的认知主要来源于百科知识库、新闻报道以及一些自媒体平台。在进行人物信息的检索时，每次都需要耗费大量的时间去搜集人物相关的资料、信息，还需要对这些搜集的内容进行人工审核，去除重复、可信度低、有歧义的内容。

目前构建比较好的人物信息知识库主要是一些网络百科知识库，如百度百科、维基百科、互动百科等。这些百科知识库，将人物作为一个知识词条，由互联网用户自发参与到人物信息的编撰，完善过程中。但是这种方式主要依赖于大众的自发参与，词条的准确度、可靠性、全面性不能保证，经常出现人物关注度下降以后，这些人物的信息就会缺乏更新维护的动力停止信息更新。

目前对人物信息描述比较准确的主要是各大新闻网站，但是这些网站对人物新闻信息的报道不是连续的，依赖于社会新闻关注的变化，对人物信息的内容也会变化，一般对人物信息的内容也不是很全面。并且很多新闻网站经常对人物信息的内容进行交叉引用，因此会出现重复性的内容。另外新闻网站对人物新闻的内容描述具有时效性，很少形成人物连续的新闻报道。

发明内容

针对上述问题中存在的不足之处，本发明提供一种人物信息知识库自动构建方法。

为实现上述目的，本发明提供一种人物信息知识库自动构建方法，包括：

步骤1、构建人物信息本体：搜集数据，分析人物分类、人物属性、人物关系的特点，人物个体展示的特征，结合本体的构建、存储、表示方式来构建人物信息本体框架；

步骤2、完善人物信息本体：根据需要从各类百科、新闻以及已存在的人物资源库中抽取人物相关数据，进行解析处理后来对本体实例化，创建本体中的人物个体以及形成初始的人物信息本体；

步骤3、抓取外部资源解析：不断抓取外部动态更新、可靠的数据源进行解析，利用人物特征数据、分类数据识别与人物信息本体中人物个体相关的信息数据；

步骤4、更新完善人物信息本体：利用抽取的数据进行处理，获取人物信息对人物信息本体进行完善；

步骤5、提供人物信息知识服务：利用不断完善的人物信息本体来提供可靠的知识服务。

作为本发明的进一步改进，所述步骤2包括：

步骤21、从互联网页抓取原始数据，原始数据包含网页标签、广告，对原始数据进行解析处理获取初始数据；

步骤22、根据解析后的初始数据结合本体的基本结构、网页的结构来实例化本体，创建本体中的人物个体；

步骤23、根据实例化的结果对本体进行维护调整，利用构建数据，形成人物基本信息、人物信息抽取规则库、人物特征数据和分类数据。

作为本发明的进一步改进，在步骤23中，人物基本信息用于提供知识服务，后期会进行不断更新完善；人物信息抽取规则库由获取的人物信息进行机器学习，不断进行学习完善，用于后续从无结构化的文本中抽取人物基本信息；人物的特征数据用于对多个重名人物进行消歧计算，区分重名人物；分类数据用于对后续的无分类的数据进行归类，辅助重名人物消歧以及后续的新创建的人物个体归类。

作为本发明的进一步改进，所述步骤3包括：

步骤31、定时或者触发式地抓取网页数据，并解析抽取其中的数据；

步骤32、利用初始的人物信息本体，对定时解析抽取的数据进行过滤，人物识别，识别出与人物信息本体有关的数据。