[发明专利]基于知识库的内链构建方法、装置、设备和存储介质

权利要求书

1.基于知识库的内链构建方法，包括：

提取目标文本中的实体内链词；

从知识库的知识条目中选择所述实体内链词的候选知识条目；

在所述实体内链词有至少两个候选知识条目的情况下，统计所述实体内链词在历史文本中与所述候选知识条目之间的历史内链频次特征；

从所述目标文本中提取所述实体内链词的上下文关键词，且根据所述上下文关键词在所述目标文本与所述候选知识条目之中的共现次数，确定上下文特征；

根据所述历史内链频次特征和所述上下文特征，从所述候选知识条目中为所述实体内链词选择要内链的目标知识条目。

2.根据权利要求1所述的方法，所述方法还包括：

若任一候选知识条目的分类特征，与所述实体内链词的分类特征不同，则将该候选知识条目滤除。

3.根据权利要求1所述的方法，所述从知识库的知识条目中选择所述实体内链词的候选知识条目之后，还包括：

在所述实体内链词的候选知识条目唯一的情况下，统计所述实体内链词在历史文本中与所述候选知识条目之间的历史内链频次特征；

在所述历史内链频次特征符合内链条件的情况下，将所述候选知识条目作为所述实体内链词要内链的目标知识条目。

4.根据权利要求1所述的方法，还包括通过如下方式确定所述实体内链词的上下文关键词：

将所述实体内链词所属的垂类作为目标垂类，且获取所述目标垂类的至少一个关键属性；

将所述目标文本中属于所述关键属性的词语，作为所述实体内链词的上下文关键词。

5.根据权利要求1所述的方法，其中，所述提取目标文本中的实体内链词，包括：

基于自然语言处理技术，对所述目标文本进行分词、词性标注和实体识别，得到所述目标文本中的基础词，以及所述基础词的词性和实体特征信息；

根据所述基础词的词性和实体特征信息，对所述基础词进行组合，得到潜在内链词；

对所述潜在内链词进行筛选，得到所述实体内链词。

6.根据权利要求5所述的方法，其中，所述对所述潜在内链词进行筛选，包括如下至少一项：

根据所述潜在内链词的词频，对所述潜在内链词进行筛选；

基于自然语言处理技术，对所述潜在内链词进行实体识别，并根据实体识别结果对所述潜在内链词进行筛选；

将所述潜在内链词与预设的实体黑名单进行匹配，并根据匹配结果对所述潜在内链词进行筛选。

7.基于知识库的内链构建装置，包括：

内链词提取模块，用于提取目标文本中的实体内链词；

候选条目选择模块，用于从知识库的知识条目中选择所述实体内链词的候选知识条目；

目标条目选择模块，具体用于：

在所述实体内链词有至少两个候选知识条目的情况下，统计所述实体内链词在历史文本中与所述候选知识条目之间的历史内链频次特征；

从所述目标文本中提取所述实体内链词的上下文关键词，且根据所述上下文关键词在所述目标文本与所述候选知识条目之中的共现次数，确定上下文特征；

根据所述历史内链频次特征和所述上下文特征，从所述候选知识条目中为所述实体内链词选择要内链的目标知识条目。

8.根据权利要求7所述的装置，所述目标条目选择模块还包括分类筛选单元；

所述分类筛选单元，用于若任一候选知识条目的分类特征，与所述实体内链词的分类特征不同，则将该候选知识条目滤除。

9.根据权利要求7所述的装置，其中，所述目标条目选择模块，具体还用于：

在所述实体内链词的候选知识条目唯一的情况下，统计所述实体内链词在历史文本中与所述候选知识条目之间的历史内链频次特征；

在所述历史内链频次特征符合内链条件的情况下，将所述候选知识条目作为所述实体内链词要内链的目标知识条目。