[发明专利]一种网页内容的地理位置预测方法及装置

权利要求书

1.一种网页内容的地理位置预测方法，其特征在于，所述方法包括：

获取待处理网页内容中的多个第一地理实体和多个第一关键词，所述第一地理实体为包含地理位置信息的名词，所述关键词为所述待处理网页内容中除所述第一地理实体以外的其他名词；

生成包含所述多个第一地理实体的名称信息和词频的地理实体集合，以及生成包含所述多个第一关键词的名称信息和词频的关键词集合；

将所述地理实体集合中的第一地理实体在知识图谱中匹配到的第二地理实体确定为候选地理实体，其中，所述知识图谱中包含所述第二地理实体与第二关键词间的对应关系，所述第二地理实体与第二关键词间的对应关系的权重以及第二地理实体间的对应关系，且所述知识图谱中的第二地理实体间具有层级关系，所述层级关系用于表示各第二地理实体间的地理范围的包含关系，所述第二关键词为所述知识图谱中除所述第二地理实体以外的其他名词；

针对得到的候选地理实体，在所述知识图谱中查找目标关键词，所述目标关键词为与所述候选地理实体对应的、且在所述关键词集合中具有相同名称的第一关键词的第二关键词，并确定所述目标关键词与该候选地理实体间对应关系的权重；

针对所述候选地理实体以及该候选地理实体对应的目标关键词，基于该候选地理实体所匹配的第一地理实体在所述地理实体集合中的词频，所述目标关键词在所述关键词集合中具有相同名称的第一关键词的词频，以及所述目标关键词与该候选地理实体间对应关系的权重，计算所述候选地理实体的重要程度值，所述候选地理实体的重要程度值用于衡量该候选地理实体的重要程度；

根据预设的过滤规则，对所述候选地理实体进行过滤，得到过滤后的候选地理实体，所述过滤规则基于所述候选地理实体的重要程度值，及所述候选地理实体间的层级关系确定；

将过滤后得到的候选地理实体确定为所述待处理网页内容的地理位置预测结果。

2.根据权利要求1所述的方法，其特征在于，所述知识图谱的构建过程包括：

获取目标文本内容，所述目标文本内容为：包含预设地名的网页页面对应的文本内容；

提取所述目标文本内容中的多个第三地理实体、多个第三关键词、目标对应关系以及第三地理实体间的对应关系，所述目标对应关系为：所述多个第三地理实体和所述多个第三关键词中，具有关联属性的第三地理实体和第三关键词之间的关系；

使用递归算法从所述第三地理实体间的对应关系中提取第三地理实体间的层级关系；

利用具有所述目标对应关系的第三地理实体和第三关键词，所述目标对应关系，所述第三地理实体间的对应关系以及所述层级关系，构建初始知识图谱；

计算所述目标对应关系的权重，并将所述目标对应关系的权重添加至初始知识图谱中，得到所述知识图谱。

3.根据权利要求2所述的方法，其特征在于，所述计算所述目标对应关系的权重的步骤，包括：

将一个所述目标对应关系，以及具有所述目标对应关系的一个第三地理实体和一个第三关键词，确定为一个三元组；

将所述第三地理实体间的对应关系，以及具有所述对应关系的两个第三地理实体，确定为一个三元组；

利用第一预设表达式，计算置信度，所述置信度表示具有相同目标对应关系、相同第三地理实体及相同第三关键词的三元组的个数，在三元组总个数中的比例，

所述第一预设表达式为：

式中，TR表示所述置信度，TC表示具有相同目标对应关系、相同第三地理实体及相同第三关键词的三元组的个数，TTC表示三元组总个数；

利用第二预设表达式，计算各所述第二关键词的稀缺度，所述第二预设表达式为：

式中，EGDA表示一个所述第二关键词的稀缺度，EC表示所述初始知识图谱的边数，其中，所述初始知识图谱中的边表示一个所述第二地理实体与一个所述第二关键词间的对应关系或所述第二地理实体间的对应关系，ED表示所述第二关键词在所述初始知识图谱中具有的边数；

利用第三预设表达式，计算所述目标对应关系的权重，所述第三预设表达式为：

EW＝TR*EGDA

式中，EW表示所述目标对应关系的权重，TR表示所述置信度，EGDA表示一个所述第二关键词的稀缺度。