[发明专利]一种基于规则的人物属性提取方法和系统

权利要求书

1.一种基于规则的人物属性提取方法，其特征在于，包括如下步骤：

(1)人物属性词语获取步骤：对包含人物属性信息的段落使用中文分词器进行分词处理，得到所述段落包含的若干个人物属性词语，并标注各人物属性词语的词性；

(2)人物属性词语分割保存步骤：将带有词性标注的各人物属性词语使用空格进行分割，得到输入段落中所有人物属性词语与词性的集合，并保存到一维数组中；

(3)人物属性词语匹配提取步骤：遍历一维数组中各人物属性词语的词性，将其和人物属性触发词匹配规则表中的词性进行匹配，若匹配上，则对人物属性词语前后扫描是否存在触发词，若存在触发词，则对所述人物属性词语进行提取，反之则不进行提取；

所述人物属性词语匹配提取步骤中扫描人物属性词语前后是否存在触发词，具体为：

对于非独立词汇的触发词，扫描到所述触发词缩写或扩展后的词汇均认为扫描成功；

若人物属性词语前后的触发词匹配过程中扫描到拼接规则，若拼接规则在人物属性词语后，则需要向前扫描并匹配触发词；若拼接规则在人物属性词语前，则需要向后扫描并匹配触发词；

对于若干人物属性词语的词性，其触发词为命名实体，扫描触发词时需要在中文分词器的分词程序中查找是否存在所述命名实体。

2.如权利要求1所述的基于规则的人物属性提取方法，其特征在于，所述人物属性词语获取步骤中人物属性词语的词性，具体为：

所述人物属性词语的词性为人物属性词语所属的类别。

3.如权利要求1所述的基于规则的人物属性提取方法，其特征在于，所述人物属性词语获取步骤，还包括：

使用中文分词器的分词程序对人物属性词语是否为命名实体进行识别。

4.如权利要求3所述的基于规则的人物属性提取方法，其特征在于，所述命名实体，具体为：

若干人物属性词语的词性实例化后个体的集合。

5.如权利要求1所述的基于规则的人物属性提取方法，其特征在于，所述触发词，具体为：

所述触发词为人物属性词语的词性的同义词、近义词或同类型词汇，用于对人物属性词语的词性做进一步确认。

6.如权利要求1所述的基于规则的人物属性提取方法，其特征在于，所述触发词，还包括：

独立词汇的触发词和非独立词汇的触发词，其中，独立词汇的触发词不能缩写或扩展，否则会影响语义的理解，非独立词汇的触发词可以进行缩写或扩展，不影响语义的理解。

7.如权利要求6所述的基于规则的人物属性提取方法，其特征在于，所述拼接规则，具体为：

对若干人物属性词语的词性，拼接规则为断句标点；

对于若干人物属性词语的词性，拼接规则为分句标点；

对于若干人物属性词语的词性，拼接规则为断句标点或动词或所述词性的后缀词。

8.如权利要求7所述的基于规则的人物属性提取方法，其特征在于，所述拼接规则为断句标点和拼接规则为分句标点，具体为：

所述断句标点包括：中文或英文形式的逗号、句号、分号、感叹号和问号；

所述分句标点为除去逗号外的所有断句标点。

9.一种基于规则的人物属性提取系统，其特征在于，包括如下单元：

(1)人物属性词语获取单元：对包含人物属性信息的段落使用中文分词器进行分词处理，得到所述段落包含的若干个人物属性词语，并标注各人物属性词语的词性；

(2)人物属性词语分割保存单元：将带有词性标注的各人物属性词语使用空格进行分割，得到输入段落中所有人物属性词语与词性的集合，并保存到一维数组中；

(3)人物属性词语匹配提取单元：遍历一维数组中各人物属性词语的词性，将其和人物属性触发词匹配规则表中的词性进行匹配，若匹配上，则对人物属性词语前后扫描是否存在触发词，若存在触发词，则对所述人物属性词语进行提取，反之则不进行提取；

所述人物属性词语匹配提取步骤中扫描人物属性词语前后是否存在触发词，具体为：

对于非独立词汇的触发词，扫描到所述触发词缩写或扩展后的词汇均认为扫描成功；

若人物属性词语前后的触发词匹配过程中扫描到拼接规则，若拼接规则在人物属性词语后，则需要向前扫描并匹配触发词；若拼接规则在人物属性词语前，则需要向后扫描并匹配触发词；

对于若干人物属性词语的词性，其触发词为命名实体，扫描触发词时需要在中文分词器的分词程序中查找是否存在所述命名实体。