[发明专利]基于关键词和动词依存的中文实体关系抽取方法

权利要求书

1.一种基于关键词和动词依存的中文实体关系抽取方法，其特征在于，包括：

对文本进行分词，抽取关键词，生成文本关键词词库；

对文本分句，对各个单句分别进行分词、词性标注、命名实体识别和依存句法分析，获得每个单句的分词、词性、命名实体和依存句法分析信息；

获取各个单句中的动词集合和实体集合；

单句中动词和实体个数都大于0时，分析依存于动词的词项是否匹配关系句法规则，若匹配，获得初始的实体关系三元组，再对实体关系三元组进行扩充；否则，进行该单句的下一个动词匹配；

文本中所有单句执行关系抽取后，得到文本三元组集合；

抽取关键词时，先根据词性特征对分词结果进行过滤，仅保留名词性词项作为候选关键词，再计算候选关键词的TF-IDF权值，最后将阈值大于设定阈值的词输入文本关键词集合；其中，TF是指词在文本中出现的次数，IDF是指逆文件频率；

所述的实体集合由文本全局关键词集合和命名实体构成；

所述的对实体关系三元组进行扩充，包括实体词扩充、关系词扩充和并列三元组扩充，具体为：

所述的实体词扩充是将关键词实体与其定语修饰词合并；

所述的关系词扩充包括添加否定状语、添加非实体宾语；

所述的并列三元组扩充是当已获取实体关系三元组中的实体存在并列实体时，将并列实体与该关系词组成新的三元组。

2.根据权利要求1所述的基于关键词和动词依存的中文实体关系抽取方法，其特征在于，根据句号、感叹号和问号对输入的文本进行分句处理，获得单句集合。

3.根据权利要求1所述的基于关键词和动词依存的中文实体关系抽取方法，其特征在于，所述的关系句法规则是根据句子依存句法结构，将动词作为候选关系词，分析句子中其他词项与动词的依存关系是否为主谓、动宾、介宾、动补关系，若句中存在两个词项与动词间的依存关系为这些关系中的两种，比如主谓和动宾，主谓和介宾等，且这两个词项都是实体，则可确定初始的实体关系三元组。

4.根据权利要求3所述的基于关键词和动词依存的中文实体关系抽取方法，其特征在于，所述的关系句法规则包括判断类动词的isA规则和其他动词的非isA规则。

5.根据权利要求4所述的基于关键词和动词依存的中文实体关系抽取方法，其特征在于，

isA规则中，实体与关系词有关的规则的句子结构表示为“Entity1 + Noun + is +Entity2”或“Entity2 + is + Entity1 +Noun”，实体关系三元组初步表示为（Entity1,Noun, Entity2）；其中，Entity1和Entity2是句子中的实体对，一个实体与判断类动词为主谓关系或动宾关系，另一个实体与判断类动词无直接关系；Noun表示句子中的名词，与判断类动词存在主谓关系或动宾关系，并且存在另一个实体与判断类动词无直接关系，但与该名词是定中依存关系，用来修饰该名词；

isA规则中，实体与关系词无关的规则是指句子中存在一个实体与判断类动词为主谓关系，存在一个名词与判断类动词为动宾关系，而实体与实体之间是并列关系，其句子结构可表示为“Entity1 + Conj + Entity2(++) + is +Noun”，关系三元组可初步表示为（Entity1, Noun, Entity2）；其中，Entity1和Entity2是句子中的实体对，Entity2(++)表示可能存在一个或多个实体与Entity1并列，Noun是句子中的名词。

6.根据权利要求5所述的基于关键词和动词依存的中文实体关系抽取方法，其特征在于，非isA规则包括动词有主语规则以及动词无主语规则；

动词有主语规则包括主谓宾结构、主谓介宾结构、主谓补宾结构、前宾介宾结构和其他结构，具体包括：

所述主谓宾结构是指从某一动词出发，根据依存句法，该动词的主语和宾语存在，且都为实体，可以建成初始的实体关系三元组；

所述主谓介宾结构是指从某一动词出发，根据依存句法，该动词的主语存在且为实体，依存于该动词的介词有宾语且为实体，可以抽出初始的实体关系三元组；

所述主谓补宾结构是指从某一动词出发，该动词为不及物动词，根据依存句法，该动词存在主语且为实体，存在依存于动词的补语，而补语有宾语且为实体，可构成初始的实体关系三元组；

所述前宾介宾结构是指从某一动词出发，根据依存句法，存在依存于该动词的前置宾语且为实体，存在依存于该动词的介词，而介词有宾语且为实体，可形成初始的实体关系三元组；

所述其他结构是指从某一动词出发，根据依存句法，该动词的主语存在且为实体，存在依存于动词的其他结构，该结构存在宾语且为实体，能够构建出三元组关系；

动词无主语规则包括动词并列结构和句子无主语结构，具体包括：

所述动词并列结构表示句子中存在一个词项能够与某个动词直接建立动宾关系或间接建立介宾关系、补宾关系，且该词项为实体，没有能与该动词建立主谓关系的词项，但存在与该动词并列的其他动词，两者主语一致，所以以其并列动词的主语作为主语，可构建实体关系三元组；

所述句子无主语结构表示句子不存在主语，但存在一个词项能与某个动词直接建立动宾关系或间接建立介宾、补宾关系，且该词项为实体，根据中文启发式规则可追溯该句子的前一个句子，以前句核心动词的主语作为该句的主语；在依存句法理论中，主张核心动词是句子的中心成分，支配着其他成分，而一个句子可能存在多个动词，每个动词可能都存在主语，所以该规则只取前句的核心动词的主语作为该句的主语。