[发明专利]一种人物关系抽取方法、装置、计算机装置及计算机可读存储介质

权利要求书

1.一种人物关系抽取方法，其特征在于，包括：

通过对齐知识库与语料库中的自然语言文本数据，生成包含人物对的弱标签数据集；

将所述弱标签数据集中属于同一人物对的第一句子标记为同一人物对关系的正例包；

根据预设的关系指示词的过滤算法，过滤所述正例包中的所述第一句子，获得训练正例数据；

将所述训练正例数据以及负例包中的第二句子进行特征提取，获得所述第二句子的多因子特征向量；

将所述多因子特征向量输入到关系分类器中，获取所述人物对的关系分类结果。

2.根据权利要求1所述的人物关系抽取方法，其特征在于，所述人物对包括多对，所述将所述弱标签数据集中属于同一人物对的句子标记为同一人物对关系的正例包，包括：

将所述弱标签数据集中属于同一人物对的第一句子归类到一个正例包中；

分别标记多个所述正例包。

3.根据权利要求1所述的人物关系抽取方法，其特征在于，所述根据预设的关系指示词的过滤算法，过滤所述正例包中的所述第一句子，具体包括：

通过预设的公式计算所述正例包中所述第一句子分词后词语的权值，公式如下：

其中，TI(w)表示正例包中某个所述第一句子分词后任一词语w的权值，

tf(w,s)表示句子s中的词语w的归一化词频，

idf(w,S)表示词语w在语料库S中的逆向文件频率，

n_wj是该词在句子s中出现的次数，

∑_kn_wj是句子s中出现的所有字词的出现次数之和，

|S|是一个关系实例包中的弱标签正例数据中的所述第一句子总数，

|{j：w∈s，s∈S}|是语料库S中所有包含词语w的句子数量；

筛选出所述第一句子中权值排名前三的词语，并判断是否至少有一个所述权值排名前三的词语存在于预设的关系词词典中；

当判断结果为是时，保留所述第一句子为正例句子。

4.根据权利要求1所述的人物关系抽取方法，其特征在于，所述第二句子的多因子特征向量包括词法因子向量和句法因子向量；

所述词法因子向量进一步包括：距离特征、相对位置特征和词性特征；

所述句法因子向量进一步包括：句法依存关系特征、实体与核心谓词之间的距离特征以及实体上下文特征。

5.根据权利要求4所述的人物关系抽取方法，其特征在于，所述将所述训练正例数据以及负例包中的第二句子进行特征提取，获得所述第二句子的多因子特征向量，具体包括：

根据所述第二句子中的词语结构特征构建词法因子向量；

根据所述第二句子中的语义关系特征构建句法因子向量；

将所述词法因子向量与所述句法因子向量合并，获得所述第二句子的多因子特征向量。

6.一种人物关系抽取装置，其特征在于，所述人物关系抽取装置包括：

数据生成单元，用于通过对齐知识库与语料库中的自然语言文本数据，生成包含人物对的弱标签数据集；

标记单元，用于将所述弱标签数据集中属于同一人物对的第一句子标记为所述同一人物对关系的正例包；

过滤单元，用于根据预设的关系指示词的过滤算法，过滤所述正例包中的所述第一句子，获得训练正例数据；

提取单元，用于将所述训练正例数据以及负例包中的第二句子进行特征提取，获得所述第二句子的多因子特征向量；

结果获取单元，用于将所述多因子特征向量输入到关系分类器中，获取所述人物对的关系分类结果。

7.根据权利要求6所述的人物关系抽取装置，其特征在于，所述人物对包括多对，所述标记单元，包括：

归类子单元，用于将所述弱标签数据集中属于同一人物对的第一句子归类到一个正例包中；

标记子单元，用于分别标记多个所述正例包。